DeepFloyd 及其他：与 NightCafe Studio CEO 一起探索最新的 AI 艺术
简单来说
在一次独家采访中，NightCafe Studio 的首席执行官提供了关于人工智能生成艺术的宝贵见解和观点。
Angus Russell 介绍了 DeepFloyd – 由 NightCafe Studio 的合作伙伴开发的新算法， Stability AI，它在像素空间中运行并使用大型语言模型（LLM）来生成图像。
夜店工作室 是一个人工智能艺术生成器，允许用户在人工智能的帮助下在几秒钟内创造出令人惊叹的未来主义艺术。 创办人 安格斯·拉塞尔 四年前，NightCafe Studio 诞生于 Angus 无法找到与他产生共鸣的艺术作品的挫败感。 在知道存在风格转换算法的驱使下，他搜索了一个网站，使他能够通过风格转换创造个性化的艺术并打印出来。
令他失望的是，他找不到这样的平台。 然而，这次挫折激发了他的创新想法。 他决定创建一个神经风格迁移应用程序来创建 AI 生成的艺术作品，并将其发布在 Reddit 上。
NightCafe Studio 最初是一个文本到图像生成平台，是同类产品中的第一个。 这一独特的功能带来了收入和用户群的大幅增长。 从那时起，该平台一直处于生成式 AI 的前沿，吸引了大量热衷于使用生成器创作精美艺术品的爱好者社区。 如今，NightCafe Studio 被广泛认为是最受欢迎和最具创新性的 AI 图像生成器之一。
在接受 Angus Russell 采访时，我们探讨了 AI 生成艺术的优势和局限性、人工智能在艺术界的日益普及，以及最新的 AI 图像生成算法 DeepFloyd。
人工智能生成艺术的出现
在过去十年中，艺术行业见证了人工智能和机器学习 (ML) 的逐渐渗透。 这些尖端技术引入了一些引人入胜的新概念，例如 Deepfakes 和 DALL-E，在全球范围内引起了广泛关注。 今天，艺术行业不能忽视人工智能的巨大影响，它正在引发该行业早该发生的革命。
Angus 讨论了 NightCafe Studio 在发布期间如何经历增长高峰 Stable Diffusion，他的公司在发布当天使用的文本到图像模型。 从那时起，由于算法和示例代码的开源，创建类似工具的进入门槛已经降低。
NightCafe Studio 的创始人认为，创造 AI 艺术不仅仅是关于最终产品，还在于创造它的过程。 他将其视为一种治疗和放松的方式，让人们以独特和创造性的方式表达自己。 许多从未认为自己有创造力的人通过 AI 生成的图像发现了自己的艺术能力。 这一理念反映在该平台的用户界面中，该界面旨在方便用户使用，并可供各种技能水平的艺术家使用。
仅在 NightCafe Studio 上，每月就有两到三百万用户，每天生成约一百万张图像。 Stability AI，一家开源生成人工智能公司， 说 推出后不久，他们的每日活跃用户就超过 10 万 Stable Diffusion.
DeepFloyd IF：改变游戏规则的新 AI 图像生成算法
NightCafe Studio 正在实施一种新算法 Stability AI 被称为 深弗洛伊德，它有望彻底改变我们使用人工智能生成图像的方式。
目前处于测试阶段的 DeepFloyd 是一种新的文本到图像模型，可以从自然语言描述中生成令人印象深刻的图像。 它基于一种新颖的架构，该架构将大型语言模型与三个扩散模型相结合。 它的灵感来自 Imagen，这是一个由 Google Research 开发但从未向公众发布过的类似模型。
该模型可以生成具有各种空间关系的文本和对象的清晰连贯的图像，这对于大多数其他文本到图像模型来说是一项具有挑战性的任务。 这是通过使用大型语言模型 T5-XXL-1.1 作为文本编码器和大量文本图像交叉注意层来实现的，这些层提供更好的提示和图像联盟。
DeepFloyd 还可以创建非标准宽高比的图像，具有高度的照片写实感。 此外，它允许零镜头图像到图像的转换，这意味着可以修改输出图像的样式、图案和细节，同时保持源图像的基本形式，而无需微调。
新算法的运行方式与 Stable Diffusion。 DeepFloyd 使用像素空间和大型语言模型 (LLM)，而 Stable Diffusion 使用潜在空间和固定 CLIP 模型。 DeepFloyd 还使用多个扩散过程来创建图像，同时 Stable Diffusion 只使用一个。
DeepFloyd是构建该算法的研究小组的名称，算法本身称为IF。 该研究小组包括许多与创建 GPT-3的前任， GPT-2，以及之前最先进的语言模型 RuGPT.
一些猜测表明，IF 的名字可能受到同名 Pink Floyd 歌曲的启发，正如算法研究小组的社交媒体简介所暗示的那样。
阅读有关该算法的更多信息 此处.
比较人工智能艺术的局限性和数字艺术
人工智能的主要限制之一是文本，尽管 DeepFloyd 解决了这个问题。 另一个限制是很难获得完全符合预期的图像，尤其是在没有专家提示的情况下。 人工智能还缺乏理解和解释的能力 塑造人类艺术的文化和社会背景。 因此，人工智能生成的艺术有时会产生看起来格格不入或对文化不敏感的作品。
然而，只要用户乐于接受惊喜，人工智能生成的图像仍然可以很漂亮，有时甚至比最初的想法更好，安格斯说。 除此之外，还有一些方法可以修改 使用 AI 算法或 Photoshop 生成图像。 虽然获得准确的图像是目前一个活跃的研究领域，但正在取得重大进展。 很快就可以完全控制图像的各个方面。
AI 依赖于网络上存在的图像和艺术作为灵感，但仅限于它接受过训练的那些。 不同的算法，例如 Midjourney、DALL-E 和 Stable Diffusion，在不同的数据集上进行训练，这意味着它们可能在特定类型的图像上表现更好。
最近，研究人员一直在研究从训练数据集中删除低质量图像以提高 AI 结果的影响。 通过过滤掉这些低质量的图像，生成的数据集可能会变得更小但质量更高，从而在不增加 AI 模型的大小或需要更昂贵的硬件的情况下获得更好的结果。 Angus 分享说，这种方法代表了一种很有前途的方法，可以在不依赖更大、资源更密集的模型的情况下提高人工智能生成的图像的质量。
人工智能在艺术领域的一个问题是它可能会贬低人类艺术家的作品，人类艺术家花费大量时间创作艺术，而人工智能能够在几秒钟内生成艺术作品。 然而，人类艺术具有某种难以被人工智能复制的无形品质，例如人类创作作品中经常出现的情感深度和复杂性。 NightCafe Studio 认为 AI 不是为了商业目的而创作艺术，而是更多地是为了享受创作过程本身。
“人造艺术总是有价值的，因为它代表了艺术家的努力和技巧，而人工智能生成的艺术则没有同样的内在价值，”
安格斯说。
围绕艺术中人工智能的一个道德问题是使用公共图像来训练人工智能算法，这些算法可能不属于训练人工智能的公司。 虽然目前没有违反法律，但它引发了有关同意和隐私的问题。 开源公司如 OpenAI 和 DALL-E 正在努力使这一过程更加道德，但这仍然是一个悬而未决的问题。 未来可能会有关于使用图像来训练艺术人工智能的法规。
尽管存在这些担忧，安格斯认为人工智能在艺术中的过程与人类艺术家从其他艺术家的作品中汲取灵感并没有根本的不同。 人工智能知道事物的样子并记住图像的一些细节，就像人类一样。 从头开始重新创建它们会更好。
了解更多：
免责声明
在与行 信托项目指南，请注意，本页提供的信息无意且不应被解释为法律、税务、投资、财务或任何其他形式的建议。 重要的是，仅投资您可以承受损失的金额，并在有任何疑问时寻求独立的财务建议。 如需了解更多信息，我们建议您参阅条款和条件以及发行人或广告商提供的帮助和支持页面。 MetaversePost 致力于提供准确、公正的报告，但市场状况如有变更，恕不另行通知。
关于作者
Agne 是一名记者，负责报道虚拟宇宙、人工智能和人工智能领域的最新趋势和发展。 Web3 行业为 Metaverse Post。 她对讲故事的热情促使她对这些领域的专家进行了大量采访，总是试图发现令人兴奋和引人入胜的故事。 Agne 拥有文学学士学位，在旅行、艺术和文化等广泛主题的写作方面拥有丰富的背景。 她还志愿担任动物权利组织的编辑，帮助提高人们对动物福利问题的认识。 联系她 [电子邮件保护].
更多文章
Agne 是一名记者，负责报道虚拟宇宙、人工智能和人工智能领域的最新趋势和发展。 Web3 行业为 Metaverse Post。 她对讲故事的热情促使她对这些领域的专家进行了大量采访，总是试图发现令人兴奋和引人入胜的故事。 Agne 拥有文学学士学位，在旅行、艺术和文化等广泛主题的写作方面拥有丰富的背景。 她还志愿担任动物权利组织的编辑，帮助提高人们对动物福利问题的认识。 联系她 [电子邮件保护].
