AI点燃体育热情— 在 PAI Artlab 创作你的奥运时刻!

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,100CU*H 3个月
简介: 为了向在赛场上的奥运健儿传递最真挚的鼓舞与喝彩,我们特此发起一场别开生面的“创意海报设计挑战”!在 Artlab 平台 ComfyUI 工具中,选择你心中的奥运项目,定制一张专属于你的奥运会加油海报!

活动地址:https://developer.aliyun.com/topic/pai-sports





AT THE BEGINNING…

🎨 为了向在赛场上的奥运健儿传递最真挚的鼓舞与喝彩,我们特此发起一场别开生面的“创意海报设计挑战”!

🌟 在Artlab平台ComfyUI工具中,选择你心中的奥运项目,或是捕捉那些令人激动的比赛瞬间,用色彩斑斓的图案、激昂的文字,定制一张专属于你的奥运会加油海报!让我们用设计的语言,汇聚成能量,为远在巴黎的运动员们加油打气,告诉他们:世界的每一个角落,都有人在为你们的每一次飞跃、每一分坚持而骄傲!

🎯 发挥你的无限创意,生成独一无二的加油海报。完成后,更可分享至社交媒体,让这份热情感染每一个人,共同构建一场跨越国界的线上助威盛宴!

活动玩法

1.热门任务

完成PAI ArtLab实验体验,制作提交奥运AI写真,即可领取精美手电筒(限量200个),先到先得。

image.png

2. 邀请挑战

邀请好友完成任务一场景体验,参与PK赢取大奖!


image.png

教程实践

通过云起实验室一键开启AI体验:https://developer.aliyun.com/adc/scenario/144c02b102884d388727913bc01b7050


TOOLKIT 工具包


🔧 工作流

🪄 模型(已提前内置,无需额外操作)

真实感大模型 DreamshaperXL

动漫风格LoRA Nijistyle

🌈 测试图


登陆PAI ArtLab平台


Step1 注册阿里云账号,支付宝扫码登陆并完成实名认证:https://cn.aliyun.com/


Step2 登陆成功后,检查自己是否已完成账户个人实名认证



Step3 登陆成功并且实名认证后,点击链接访问 PAI ArtLab

Step4 按提示逐步进行授权操作,开通 PAI ArtLab



Step5 进入平台后,第一时间点击右上角「领取免费试用资源」,领取方式参考下图。

⚠️平台遵循后付费(按量计费)的计费模式。当您未领取免费试用资源或未购买资源包,使用平台产生的费用将从您的阿里云账号余额中扣除。请您使用前确保完成免费试用资源领取,以免产生不必要的扣费。

5.1>领取算力资源,领取成功后关闭抽屉

5.2>领取存储与流量资源,领取成功后关闭抽屉

5.3>确保自己免费试用资源已领取成功




一键生成奥运海报


Step1 领取完试用额度后后,首页工具箱点击「ComfyUI(专享版)」,拉起服务。


Step2 服务拉起后,点击面板中「加载奥运流程」按钮加载工作流文件,需要耐心等待几秒

*ComfyUI一键加载Json工作流,无需复杂操作




Step3 加载成功后,找到「1.输入运动项目、性别与英文名」节点,依次选择你希望生成的田径项目、你的性别;填写你的英文名。(首字母大写效果更佳)


Step4 「加载图像」节点上传你的高清肖像。

*高分辨率,五官清晰效果佳


Step5 确认图片与选项设置完毕后,页面中点击右上角「添加提示词队列」一键生成图像🪄



Step6 等待约1分钟,即可在下方生图区域得到海报图像啦!

*模型生成具有抽卡性质,如果初次生成的动作、效果,可以再次尝试生成~



Step7 如果对首次生成结果不满意,可通过调整此处Seed参数,获得不同结果~




Step8 可尝试改变所选项目,解锁更多创意运动海报:)



Q&A

Q:为什么我打开的页面是英文版?和教程里截图不一样。

A:可以artlab页面里找到右上方小齿轮,点击后出现面板,按照下方操作在面板中选择切换语言至中文简体。


Q:我要如何查看当前任务进展呢?

A:右侧面板选择「显示队列」(View Queue),可以查看当前任务进度哦。


交流与答疑群

“PAI-ARTLAB交流6群”钉钉群号: 88010006410

相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
2月前
|
机器学习/深度学习 人工智能 安全
探索AI的未来:从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界,从机器学习的基本概念到深度学习的复杂应用,我们将一起探索AI的未来。你将了解到AI如何改变我们的生活,以及它在未来可能带来的影响。无论你是AI专家还是初学者,这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘,看看它将如何塑造我们的未来。
84 3
|
3月前
|
机器学习/深度学习 数据采集 人工智能
AI与机器学习:从理论到实践
【10月更文挑战第2天】本文将深入探讨AI和机器学习的基本概念,以及它们如何从理论转化为实际的应用。我们将通过Python代码示例,展示如何使用机器学习库scikit-learn进行数据预处理、模型训练和预测。无论你是AI领域的初学者,还是有一定基础的开发者,这篇文章都将为你提供有价值的信息和知识。
|
3天前
|
SQL 人工智能 关系型数据库
PolarDB-PG AI最佳实践 2 :PolarDB AI X EAS实现自定义库内模型推理最佳实践
PolarDB通过POLAR_AI插件支持使用SQL调用AI/ML模型,无需专业AI知识或额外部署环境。结合阿里云EAS在线模型服务,可轻松部署自定义模型,在SQL中实现如文本翻译等功能。
|
2天前
|
人工智能 安全 大数据
PAI年度发布:GenAI时代AI基础设施的演进
本文介绍了AI平台在大语言模型时代的新能力和发展趋势。面对推理请求异构化、持续训练需求及安全可信挑战,平台推出了一系列优化措施,包括LLM智能路由、多模态内容生成服务、serverless部署模式等,以提高资源利用效率和降低使用门槛。同时,发布了训推一体调度引擎、竞价任务等功能,助力企业更灵活地进行训练与推理任务管理。此外,PAI开发平台提供了丰富的工具链和最佳实践,支持从数据处理到模型部署的全流程开发,确保企业和开发者能高效、安全地构建AI应用,享受AI带来的红利。
|
6天前
|
人工智能 安全 算法
PAI负责任的AI解决方案: 安全、可信、隐私增强的企业级AI
在《PAI可信AI解决方案》会议中,分享了安全、可信、隐私增强的企业级AI。会议围绕三方面展开:首先通过三个案例介绍生活和技术层面的挑战;其次阐述构建AI的关键要素;最后介绍阿里云PAI的安全功能及未来展望,确保数据、算法和模型的安全与合规,提供全方位的可信AI解决方案。
|
2天前
|
人工智能 容灾 Serverless
AI推理新纪元,PAI全球化模型推理服务的创新与实践
本次分享主题为“AI推理新纪元,PAI全球化模型推理服务的创新与实践”,由阿里云高级产品经理李林杨主讲。内容涵盖生成式AI时代推理服务的变化与挑战、play IM核心引擎的优势及ES专属网关的应用。通过LM智能路由、多模态异步生成等技术,PAI平台实现了30%以上的成本降低和显著性能提升,确保全球客户的业务稳定运行并支持异地容灾,目前已覆盖16个地域,拥有10万张显卡的推理集群。
|
2天前
|
存储 人工智能 大数据
AI开发新范式,PAI模型构建平台升级发布
本次分享由阿里云智能集团产品专家高慧玲主讲,聚焦AI开发新范式及PAI模型构建平台的升级。分享分为四个部分,围绕“人人可用”和“面向生产”两大核心理念展开。通过降低AI工程化门槛、提供一站式全链路服务,PAI平台致力于帮助企业和开发者更高效地实现AI应用。案例展示中,介绍了多模态模型微调在文旅场景的应用,展示了如何快速复现并利用AI解决实际问题。最终目标是让AI技术更普及,赋能各行业,推动社会进步。
|
2天前
|
人工智能 运维 API
PAI企业级能力升级:应用系统构建、高效资源管理、AI治理
PAI平台针对企业用户在AI应用中的复杂需求,提供了全面的企业级能力。涵盖权限管理、资源分配、任务调度与资产管理等模块,确保高效利用AI资源。通过API和SDK支持定制化开发,满足不同企业的特殊需求。典型案例中,某顶尖高校基于PAI构建了融合AI与HPC的科研计算平台,实现了作业、运营及运维三大中心的高效管理,成功服务于校内外多个场景。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
机器学习之解释性AI与可解释性机器学习
随着人工智能技术的广泛应用,机器学习模型越来越多地被用于决策过程。然而,这些模型,尤其是深度学习模型,通常被视为“黑箱”,难以理解其背后的决策逻辑。解释性AI(Explainable AI, XAI)和可解释性机器学习(Interpretable Machine Learning, IML)旨在解决这个问题,使模型的决策过程透明、可信。
81 2
|
2月前
|
机器学习/深度学习 数据采集 人工智能
揭秘AI:机器学习的魔法与代码
【10月更文挑战第33天】本文将带你走进AI的世界,了解机器学习的原理和应用。我们将通过Python代码示例,展示如何实现一个简单的线性回归模型。无论你是AI新手还是有经验的开发者,这篇文章都会给你带来新的启示。让我们一起探索AI的奥秘吧!

相关产品

  • 人工智能平台 PAI