AIGC背后的技术分析 | 不止抠图、上色,看人工智能如何影响设计

简介: 在人工智能时代下,AR设计、智能硬件设计逐渐发展,设计的改革更多考虑的是如何将真实世界和数字世界进行融合,如何在自己产品上更好地阐释艺术、美感和实用性。

640.png


在人工智能时代下,AR设计、智能硬件设计逐渐发展,设计的改革更多考虑的是如何将真实世界和数字世界进行融合,如何在自己产品上更好地阐释艺术、美感和实用性。

01、降低设计门槛

Photoshop CC 2018 增加了一键抠图功能,解决了需要耐心、极度枯燥的抠图工作。用户只需两步操作就能将主体选取出来:

第一步按下工具列上的“选择主体”按钮,第二步选中想要的主体,Sensei 就会主动分析影像中的主体与背景的关系,并且直接将主体选取出来。

640.png


Adobe还发布了一项名为 Fontphoria的功能,只需要设计一个字母,Fontphoria就能通过深度学习技术把该艺术字体的风格复制到其他 25 个字母上,节省了字体设计师的大量时间。

640.jpg


此外,要从一张照片里取出某个元素,再把它“神不知鬼不觉”地混入另一张图片里,也是一件很有难度的事情。名为Deep Painterly Harmonization 的算法则通过局部风格迁移的方式,能把各种物体融合进画作里,大量艺术家的心血都惨遭它的“毒手”。

FastPhotoStyle是英伟达的图片风格转换工具,其中包含了将照片变为各种艺术风格的算法。只要给出风格照片和目标照片,该工具就能将风格照片上的风格特点迁移至目标照片上,效果简直是以假乱真。

640.jpg

02、减轻画师的工作量

每一部动画的背后,经历了从草稿到线稿再到上色稿以及后期修正等各个阶段,这些环节会耗费画师大量的心血和精力。

早稻田大学公开了一个自动描线的技术,这项技术能够自动识别图像并确定图像的具体轮廓而完成描线的工作,即便是衣物线条这类很复杂的草稿也可以完美地一口气地转化成为线稿。

640.png


而在漫画线稿上色这个领域,Preferred Networks 研发的PaintsChainer几乎可以算是标杆。它的操作非常简单,用户选好线稿上传,自行选择颜色并涂在相应区域,PaintsChainer会根据图像和提示的颜色实时自动为新图像上色。

640.png


Google Photos也发布了给黑白老照片自动上色的 AI修图功能。用户只需要将黑白照片上传到 Google Photos,就能一键看到上色效果,而且效果非常自然。

640.png


网站Girl Friend Factory能设置不同的人物属性,例如五官、发型、发色、眼睛的颜色、表情甚至是服装、装饰物,通过 GAN(生成式对抗网络)生成不同的二次元头像,它可以使画师的绘画制作成本进一步降低。

640.png

03、自动生成高质量逼真场景

CG要合成一个真实场景,需要建模、定材质、贴图、上灯光和渲染,工作量极大。下面这张街景图像是AI合成的,它源于香港中文大学和英特尔视觉计算实验室共同研究的半参数模型,简称为 SIMS。

640.png


使用英伟达和MIT研究团队发布的AI高清视频生成网络vid2vid,你只需要勾勒出人脸轮廓,系统就能自动生成一张张正在说话的人脸。你不仅可以定制人物的脸色和发色,甚至可以更换人物身后的背景。

640.jpg


除了自动合成与人脸相关的视频,vid2vid 还能合成与人体动作相关的视频。只需要对下图左侧的人体模型进行调整,无论是姿势还是身高、胖瘦,右侧都能生成一个真人视频。在未来,AI 除了能帮我们简化场景设计,还能为我们简化各种配角设计。

640.jpg

目录
相关文章
|
27天前
|
人工智能 监控 算法
智能时代的伦理困境:AI技术的道德边界探索人工智能在教育领域的革新之路未来编程:人工智能与代码共生的新篇章
【8月更文挑战第21天】在人工智能(AI)技术飞速发展的今天,我们正处在一个前所未有的科技变革时期。随着AI技术的深入人类生活的方方面面,它不仅带来了便利和效率的提升,同时也引发了关于道德和伦理的深刻讨论。本文将探讨AI技术发展中遇到的伦理挑战,以及如何建立合理的道德框架来指导AI的未来应用,确保技术进步与人类社会价值观的和谐共存。
220 61
|
4天前
|
机器学习/深度学习 人工智能 监控
人工智能与未来医疗:革命性技术的崛起
人工智能在医疗领域正逐步展现出其巨大的潜力和革命性的影响力。本文将探讨AI在未来医疗中的应用,从诊断到治疗,以及其在医学影像、药物研发和个性化治疗中的作用。通过具体案例,我们揭示这些技术如何提升医疗效率、准确性和患者体验。同时,我们还将讨论AI带来的伦理和隐私挑战,并展望未来的发展方向。
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【深度学习】Python之人工智能应用篇——音频生成技术
音频生成是指根据所输入的数据合成对应的声音波形的过程,主要包括根据文本合成语音(text-to-speech)、进行不同语言之间的语音转换、根据视觉内容(图像或视频)进行语音描述,以及生成旋律、音乐等。它涵盖了声音结构中的音素、音节、音位、语素等基本单位的预测和组合,通过频谱逼近或波形逼近的合成策略来实现音频的生成。 音频生成技术的发展主要依赖于深度学习模型,如循环神经网络(RNN)、长短时记忆网络(LSTM)、Transformer等。这些模型通过学习大量的音频数据,能够自动生成与人类发音相似甚至超越人类水平的音频内容。近年来,随着大规模预训练模型的流行,如GPT系列模型、BERT、T5等,
48 7
【深度学习】Python之人工智能应用篇——音频生成技术
|
8天前
|
机器学习/深度学习 人工智能 物联网
智能家居技术的未来:从自动化到人工智能
本文探讨了智能家居技术的发展趋势,从早期的自动化设备到现在的人工智能集成系统。文章首先介绍了智能家居的基本概念和历史发展,然后详细分析了当前智能家居技术的主要特点,包括物联网、机器学习和用户交互界面。接着,文章讨论了智能家居技术面临的挑战,如隐私保护、数据安全和技术标准化问题。最后,展望了未来智能家居技术的发展方向,包括更加智能化的家居管理、环境自适应能力和高级用户定制服务。文章旨在为读者提供一个关于智能家居技术发展的全面视角,并引发对未来生活方式的思考。
|
15天前
|
人工智能 运维 自然语言处理
AI战略丨构建未来: 生成式人工智能技术落地策略
GenAI 的技术落地需要企业进行周密地规划和持续地努力。企业必须从自身的战略出发, 综合考虑成本、效果和性能,制定合理的技术架构,通过全面的 AI 治理,实现可持续的创新和发展。
|
13天前
|
存储 人工智能 算法
人工智能伦理与治理:在技术进步中寻求平衡
【9月更文挑战第4天】人工智能伦理与治理是一个复杂而重要的议题。在推动AI技术进步的同时,我们必须正视其带来的伦理与治理挑战,并寻求在技术进步中寻求平衡的策略。通过制定伦理准则与标准、加强法律与政策监管、提升算法透明度与可解释性、加强公众教育与参与以及推动国际合作与交流等措施,我们可以构建完善的伦理框架和治理体系,确保AI技术的发展和应用符合道德和社会价值观。
|
25天前
|
机器学习/深度学习 数据采集 人工智能
作为AIGC技术的一种应用-bard
8月更文挑战第22天
32 15
|
17天前
|
人工智能 算法 自动驾驶
人工智能浪潮下的道德困境与技术挑战
【8月更文挑战第31天】 在人工智能的飞速发展中,我们面临着前所未有的道德和技术问题。本文将探讨AI技术带来的伦理挑战,包括隐私保护、算法偏见和责任归属等问题,并分析当前技术发展面临的限制,如数据获取困难、模型泛化能力和人机交互的局限性。文章旨在启发读者思考如何在享受AI技术便利的同时,确保技术的健康发展和社会的公正性。
|
17天前
|
人工智能 安全 物联网
智能家居技术的未来:从自动化到人工智能的演变
随着技术的飞速发展,智能家居已经从简单的自动化控制进化到了集成人工智能的高级阶段。本文将探讨智能家居技术的发展轨迹,分析其如何通过人工智能、物联网和数据分析等技术提升家居生活的便利性、安全性和效率。我们将以实际案例说明未来智能家居的趋势,并讨论在实现这一愿景过程中所面临的挑战与机遇。
|
1月前
|
机器学习/深度学习 人工智能 算法
【深度学习】python之人工智能应用篇——图像生成技术(二)
图像生成是计算机视觉和计算机图形学领域的一个重要研究方向,它指的是通过计算机算法和技术生成或合成图像的过程。随着深度学习、生成模型等技术的发展,图像生成领域取得了显著的进步,并在多个应用场景中发挥着重要作用。
35 9