共计 3347 个字符，预计需要花费 9 分钟才能阅读完成。
💡 作者：韩信子 @ShowMeAI
📘 深度学习实战系列：https://www.showmeai.tech/tutorials/42
📘 TensorFlow 实战系列：https://www.showmeai.tech/tutorials/43
📘 本文地址：https://www.showmeai.tech/article-detail/312
📢 申明：版权所有，转载请分割平台与作者并注明出处
📢 珍藏 ShowMeAI 查看更多精彩内容
工具库 transformers 的开源方 Hugging Face 刚刚公布了一个用于构建 diffuser 模型的全新库。如果您不晓得 diffuser 模型是什么，你能够查看 ShowMeAI 的另外一篇文章介绍 📘 你给文字描述，AI 艺术作画，精美无比！附源码，快来试试！。
随着 AI 技术的倒退，咱们当初在互联网上看到的那些漂亮、富裕创意、极具艺术美感的绘画与视频，很多是来自 AI 之手！典型的 AI 艺术创作例如 OpenAI 的 DALL-E2、谷歌的 Imagen 和 Midjourney 的产品，所有这些产品服务都应用 diffuser 模型，下图为一些创作后果。
Hugging Face 公布了一个专一于 diffuser 模型的开源库，咱们能够基于它，仅仅通过几行代码就开始生成本人的艺术作画。不过这个 diffuser 库是一个根底实现版本，训练和学习的数据也没有下面提到的几个大厂商业产品多，在本篇文章中，ShowMeAI 就带大家来摸索新库，并生成一些咱们本人的艺术画作，也比照一下雷同文本提醒下的大厂商业产品生成的后果。
💡 疾速尝鲜
咱们先在命令行通过 pip install diffusers 装置本次应用到的工具库，而后导入咱们须要用到的模块和性能（在这里咱们调用整个扩散模型流水线 DiffusionPipeline），并且咱们导入一个小型预训练模型ldm-text2im-large-256：
from diffusers import DiffusionPipeline
model_id = "CompVis/ldm-text2im-large-256"
# 预训练模型
ldm = DiffusionPipeline.from_pretrained(model_id)接着咱们就能够基于这个预训练模型作画啦，咱们惟一须要做的事件就是给模型一句文本提醒（在 diffuser 模型里叫 prompt 提醒）。上面咱们尝试生成一幅『松鼠吃香蕉』的画作。
# 给定文本提醒和作画
prompt = "A painting of a squirrel eating a banana"
images = ldm([prompt], num_inference_steps=50, eta=.3, guidance_scale=6)
images[0]下面就是模型最终生成的图像，当然受限于咱们的计算资源和预训练模型大小，咱们生成的图像不像 DALL-E 2 那样令人惊艳，然而咱们仅仅用 5 行代码也生成了一副和提醒文本匹配的图像，还是很让人感觉神奇。
上面是『松鼠吃香蕉』的另一幅画：
images = ldm([prompt],
num_inference_steps=100,
eta=.3,
guidance_scale=6
)
images['sample'][0]💡 文本提醒
📌 高分辨率
自三大扩散模型（DALL-E 2、Imagen 和 Midjourney）公布以来，大家都开始施展想象力，尝试各种各样的文本提醒，让模型生成艺术图。例如，许多人发现增加『4K 画质』或『在 Unity 中渲染』能够加强三巨头生成的图像的真实感（只管它们都没有以 4K 分辨率生成）。
如果咱们对 Hugging Face 的 diffuser 模型进行同样的尝试，会产生什么？
prompt = "a photorealistic image of a squirrel eating a banana"
images = ldm([prompt],
num_inference_steps=100,
eta=.3,
guidance_scale=6
)
images['sample'][0]很显然它还不能生成高清的 4K 图，然而图像中的一些细节有丰盛一些。
📌 场景与逻辑
咱们把场景做得简单一点点，比方给到的文本提醒中，有不同的物体和地位关系，咱们看看会生成什么样的后果，提醒文字为an italian person eating pizza on top of the colosseum in rome。
prompt = "an italian person eating pizza on top of the colosseum in rome"
images = ldm([prompt],
num_inference_steps=100,
eta=.3,
guidance_scale=6
)
images['sample'][0]看得出来，这个简略的 diffuser 模型在很致力地复现咱们文本中提到的人、斗兽场、披萨，然而对于更细节的地位关系，仿佛它还没有做得十分好，这里的人并没有坐在罗马斗兽场顶部，而且斗兽场的拱门色彩和天空色彩也不齐全匹配。
📌 更形象的状况
回到松鼠，尝试生成更形象的图像，例如 a giant squirrel destroying a city『一只微小的松鼠捣毁一座城市』，咱们随机采样了一些后果如下，好坏参半：
prompt = "a giant squirrel destroying a city"
images = ldm([prompt],
num_inference_steps=100,
eta=.3,
guidance_scale=6
)
images['sample'][0]prompt = "a giant squirrel destroying a city"
images = ldm([prompt],
num_inference_steps=50,
eta=.3,
guidance_scale=6
)
images['sample'][0]prompt = "a giant squirrel destroying a city"
images = ldm([prompt],
num_inference_steps=100,
eta=.3,
guidance_scale=2
)
images['sample'][0]咱们仿佛察看到，目前这个小模型仿佛很难交融两个通常相关度没那么高的概念，即『（巨型）松鼠』和『城市』。咱们从一些生成的成果不是特地好的图片能够察看出这一点，上面的后果中，要么对城市与天际线做了很好的形容却疏忽了松鼠，要么对松鼠和自然环境做了很好的形容，却没有特地强的城市背景：
prompt = "a landscape image showing a giant squirrel destroying a city"
images = ldm([prompt],
num_inference_steps=50,
eta=.8,
guidance_scale=2
)
images['sample'][0]prompt = "a landscape image showing a giant squirrel destroying a city"
images = ldm([prompt],
num_inference_steps=50,
eta=.8,
guidance_scale=2
)
images['sample'][0]屡次运行这些提醒后，咱们发现以后这个小模型下，总是在主体之间切换但很难将两者交融在一起。
💡 DALL-E 2 的后果
咱们把同样的内容 "a dramatic shot of a giant squirrel destroying a modern city" 灌给 DALL-E 2，让它从提醒做图，失去的后果如下：
果然在更宏大的 AI 模型下，生成的后果更天然，也能把不同的细节关联起来。
💡 总结
这就是 Hugging Face 新库的初尝鲜！只管目前开源的小模型上，还有一系列的问题，然而这类模型就像一把钥匙，解锁一些令人敬畏的人工智能类人的艺术发明程度。
短期看，这个小小的预训练模型当然无奈取代 DALL-E 2、Imagen 或 Midjourney，但随着开源社区的弱小，它会体现越来越好。
参考资料
- 📘 你给文字描述，AI 艺术作画，精美无比！附源码，快来试试！：https://www.showmeai.tech/article-detail/313
