绘画艺术跨时代的标志——AI绘画

生成式人工智能AIGC是人工智能1.0时代进入2.0时代的重要标志。

GAN、CLIP、Transformer、Diffusion、预训练模型、多模态技术、生成算法等技术的累积融合，催生了AIGC的爆发。算法不断迭代创新、预训练模型引发AIGC技术能力质变，多模态推动AIGC内容多边形，使得AIGC具有更通用和更强的基础能力。

人工智能绘画即AI绘画，是一种计算机生成绘画的方式。是AIGC应用领域内的一大分支。

AI绘画主要分为两个部分，一个是对图像的分析与判断，一个是对图像的处理和还原。人工智能通过对数以万计的图像及绘画作品进行不断学习，如今已经达到只需输入清晰且易懂的文字指令，即可在很短的时间内得到一张效果不错的画面。对使用者没有任何绘画功底需求，甚至还能根据要求对画面风格进行精细的改变调整。

2022年AI绘画技术突然增速，大量算法精细的AI绘画算法雨后春笋般涌现。

最先出现是22年2月的Disco Diffusion，在生成场景方面比之前的算法有明显进步，但是应用面太窄，能画的东西太少。

4月OpenAI 也发布了新模型 DALL·E 2，它对语义的理解极为优秀，可以拼凑出完全不存在的事物，比如宇航员骑马的经典图像。

5月MidJourney在discord测试，用户直接用机器人对话就可以获取图片，有用户拿着MJ生成数字油画参加比赛，在裁判不知情的条件下获得了第一。

7月底Stable Diffusion横空出世，这个迄今为止最强AI绘画算法模型一经发布就快速占据大半市场份额。用户可以部署在自己的电脑上或云端服务器上，用一般的英伟达游戏显卡就可以运行，且比之前的几种算法快多了，后来还有A卡甚至CPU运行的版本。WebUI开源，模型可以由用户自行训练，每种画风、人物、内容都可以针对性训练，达到通用模型无法达到的效果。这些都是SD能快速占领市场的原因。

10月NovelAI公司在拿着Stable Diffusion开源的数据训练出来的专门画二次元anime模型和naifu和被黑客泄露，更是加剧了Stable Diffusion成为当今占有率最高的进程。

另外，除了上述算法，还有很多其他公司拿着Stable Diffusion进行二次开发和本地化，比如百度飞桨，6pen.art、DreambyWombo等。

了解了目前AI绘画的历史，那么什么是AI绘画呢？AI绘画的字面意思是我给AI一个描述，它给我生成一张图片。那它是上网检索或在数据库里找到图片给你拼接出来一张吗？

想要真正理解AI绘画，必须知道GAN、diffusion、CLIP和VAE。

GAN（Generative adversarial network 生成对抗网络）生成网络（Generator）负责生成模拟数据。生成网络要不断优化自己生成的数据让判别网络判断不出来。判别网络（Discriminator）负责判断输入的数据是真实的还是生成的。判别网络也要优化自己让自己判断得更准确。但是由于生成-对抗的关系，生成器更倾向于生成已有风格和事物，而不是创新，即无法生成域外（Out-Of-Domain）结果，比如“鲜花构成的眼镜

Diffusion（扩散模型）不同于GAN在除了绘画以外的AI领域也广泛应用，diffusion算法是专门为处理图片、音频和视频而生的。Diffusion的本质是对图片加噪声和去噪声，也分为扩散过程和逆扩散过程。

CLIP（Contrastive Language-Image Pre-Training比文本-图像预训练模型）是对比文本-图像预训练模型，只需要提供图像类别的文本描述，就能将图像进行分类。CLIP用作做通用的图像分类，负责自然语言理解和计算机视觉分析。 CLIP可以决定图像和文字提示的对应程度。

VAE（Variational AutoEncoder变分自编码器）是深度学习中常用的无监督学习方法，可以用来做数据生成，表征学习，维度压缩等一系列应用。VAE由解码器、隐变量和编码器构成，可以去燥和降维，它学习如何将输入编码为更低的维数，然后再次解码和重构数据以尽可能有效地接近输入。