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
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AIGC技术深度解析:生成式AI的革命性突破与产业应用实战
蒋星熠Jaxonic,AI技术探索者,深耕生成式AI领域。本文系统解析AIGC核心技术,涵盖Transformer架构、主流模型对比与实战应用,分享文本生成、图像创作等场景的实践经验,展望技术趋势与产业前景,助力开发者构建完整认知体系,共赴AI原生时代。
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能技术的探讨
人工智能的概念,人工智能的发展,人工智能的各种学派,人工智能的应用领域
349 4
|
7月前
|
人工智能 语音技术
推动人工智能技术和产业变革,啥是核心驱动力?生成式人工智能认证(GAI认证)揭秘答案
人工智能(AI)正以前所未有的速度重塑世界,其发展离不开领军人才与创新生态的支持。文章探讨了AI领军人才的核心特质及培养路径,强调构建产学研深度融合的创新生态,并通过教育变革与GAI认证提升全民AI素养,为技术与产业变革提供持续动力。这不仅是推动社会高质量发展的关键,也为个人与企业带来了更多机遇。
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
生成式人工智能的价值回归:重塑技术、社会与个体的发展轨迹
生成式人工智能(Generative AI)正以前所未有的速度重塑社会面貌。它从单一决策工具转变为创造性生产力引擎,推动知识生产、艺术创作与科学研究的发展。同时,其广泛应用引发社会生产力和生产关系的深刻变革,带来就业结构变化与社会公平挑战。此外,生成式AI还面临伦理法律问题,如透明性、责任归属及知识产权等。培生公司推出的生成式AI认证项目,旨在培养专业人才,促进技术与人文融合,助力技术可持续发展。总体而言,生成式AI正从工具属性向赋能属性升华,成为推动社会进步的新引擎。
|
7月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
1142 62
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
AIGC技术发展与应用实践(一文读懂AIGC)
AIGC(人工智能生成内容)是利用AI技术生成文本、图像、音频、视频等内容的重要领域。其发展历程包括初期探索、应用拓展和深度融合三大阶段,核心技术涵盖数据收集、模型训练、内容生成、质量评估及应用部署。AIGC在内容创作、教育、医疗、游戏、商业等领域广泛应用,未来将向更大规模、多模态融合和个性化方向发展。但同时也面临伦理法律和技术瓶颈等挑战,需在推动技术进步的同时加强规范与监管,以实现健康可持续发展。
|
8月前
|
人工智能 算法 搜索推荐
人工智能技术对未来就业的影响
人工智能大模型技术正在重塑全球就业市场,但其核心是"增强"而非"取代"人类工作。虽然AI在数据处理、模式识别等标准化任务上表现出色,但在创造力、情感交互和复杂决策等人类专属领域仍存在明显局限。各行业呈现差异化转型:IT领域人机协同编程成为常态,金融业基础分析岗位减少但复合型人才需求激增,医疗行业AI辅助诊断普及但治疗决策仍依赖医生,制造业工人转向技术管理,创意产业中人类聚焦高端设计。未来就业市场将形成人机协作新生态,要求个人培养创造力、情商等AI难以替代的核心能力,企业重构工作流程。AI时代将推动人类向更高价值的认知活动跃升,实现人机优势互补的协同发展。
1042 2
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
师资培训|AIGC工具搜集和分析教学反馈-某教育科技集团
近日,TsingtaoAI为某教育科技集团交付AIGC赋能教师教学创新课程《AIGC工具搜集和分析教学反馈》,本师资培训旨在为高校教师提供系统化、实战化的AIGC应用指南,助力教师在教学过程中实现智能化、个性化的转变。本课程通过深入浅出的案例分析、项目实践和实操演练,全面覆盖AIGC工具的收集、应用与反馈分析方法。
470 32
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
技术创新领域,AI(AIGC)是否会让TRIZ“下岗”?
法思诺创新直播间探讨了AI(AIGC)是否将取代TRIZ的问题。专家赵敏认为,AI与TRIZ在技术创新领域具有互补性,结合两者更务实。TRIZ提供结构化分析框架,AI加速数据处理和方案生成。DeepSeek、Gemini等AI也指出,二者各有优劣,应在复杂创新中协同使用。企业应建立双轨知识库,重构人机混合创新流程,实现全面升级。结论显示,AI与TRIZ互补远超竞争,结合二者是未来技术创新的关键。
277 0
|
10月前
|
人工智能 自然语言处理 搜索推荐
【潜意识Java】了解并详细分析Java与AIGC的结合应用和使用方式
本文介绍了如何将Java与AIGC(人工智能生成内容)技术结合,实现智能文本生成。
866 5