超越恐怖谷:全球500万网友被骗:爆火TEDx演讲者没一个是真人吗
AI生成的TED演讲者图片在网络上迅速走红，引发数百万网友震惊：这些看起来栩栩如生的人物竟全部出自算法之手。究竟是如何做到以假乱真的？
最近，这些亮相于TEDx演讲场景的人物形象在外网掀起巨大波澜，传播速度极快，访问量惊人。
仔细观察这些图片，你能否觉察出任何异样之处？
谜底揭晓之后，大家才知道这五位角色没有一个是真实存在的自然人！
在线寻人的场景令人哭笑不得。
如此逼真的效果几乎让人无法找到破绽，这种级别的AI直接生成图像能力令广大网友感到难以置信。
就连专门用于识别AI生成内容的软件，也未能成功判断出这些图片并非真实拍摄。
有声音质疑：难道这些照片本就取材自真实场景？
还有人说，没有任何一张是真人，这简直令人感到不寒而栗。
网友评价道：这已经跨越了恐怖谷效应，进入了一个全新的境界，即“超真实谷”。
仅仅十几个小时内，分享这张图片的帖子在社交平台上的观看人数就突破了五百万。
随后，该图片的创作者被外界挖掘出来，他就是Stable Diffusion团队的前成员Leo Kadieff。
他透露道：这些TEDx演讲者形象一律是使用最新的Flux真实版LoRA技术生成的。
过去的AI生成图片，人眼或多或少能发现不协调之处。而此次的图片之所以如此逼真，正是由于LoRA技术对模型进行了改进，从而显著增强了真实感。
不仅如此，作者还介绍，这一工作流带来的另一个好处，是大幅简化了复杂的提示词编写过程。
这个消息让那些讨厌编写提示词的人感到无比兴奋。
这个仅有22MB大小的文件，能够免除人们的一大麻烦，不必再于每个提示词中填入大量与真实性相关的Token。
只需要一句话“一张RAW超现实主义照片，UHD，8k”便足够。钟情于写实风格的创作者必然会爱上这个工具。
作者直截了当地发问：我们是否还有必要对现实模型进行微调？
- 这些图像是Flux+LoRA的原始输出，未经任何放大或后期处理
- 你需要对应的“RealismLora”文件，以及ComfyUI工作流
Lora：https://huggingface.co/XLabs-AI/flux-RealismLora/tree/main
ComfuUI：https://we.tl/t-zrC5tPFG17
真实版LoRA，效果拔群
从以下两幅图像的对比中可以清楚看到，使用LoRA与不使用LoRA所产生的效果差异十分显著。
网友已玩嗨
与此同时，分享“TED演讲者”图片的用户Kyrannio，也尝试使用Midjourney来复制类似的效果。
起初使用的提示词如下：
一位女性在舞台上发言，来自谷歌，白色背景，企业标志被模糊处理，科技会议 –style raw –v 6.1
可以看到，生成的结果还不错，但与Leo Kadieff所生成的图片仍有明显差距。
随后，该创作者进行了一些优化：
一位年轻女性微笑着在舞台上发言，来自谷歌，白色背景，企业标志被模糊处理，科技会议 –style raw –v 6.1
经历了多次生成尝试之后，终于得到了最接近的效果：
与此同时，随着Imagen 3正式面向公众开放，网友们也在第一时间拿着这套提示词进行了测试。
一时之间，互联网上掀起了一股AI生成图片的热潮。
Imagen 3全员可用
没错，正如刚刚提到的，科技公司最强的文生图模型Imagen 3已经具备正式可用状态。
提示词：Photo of a man holding a sign that says: “Imagen Is Now Almost As Good As Midjourney” in New York City.
来源：Risphere
网友chrypnotoad表示，自己还没见过哪个AI模型能把阿喀琉斯之盾做得如此精美！
能够轻松驾驭如此复杂的提示词，Imagen 3的实力果然不容小觑。
知名博主“歸藏”在体验过后表示：
生成的内容很准确，但图片的美观程度比较欠缺。一旦涉及人物，就必须仔细斟酌提示词的写法，不然大概率无法成功生成图像。
好在，他们在提示词的交互体验方面做得很出色：
LLM会分析提示词类型，并给出相关词语，用户可以即时切换。
来源：歸藏
除了直接生成之外，Imagen 3还提供了局部重绘的功能，支持使用画笔和提示词对图片进行编辑。
来源：歸藏
当然，多家顶流文生图AI之间的性能对决自然也少不了：Midjourney V6与Imagen 3以及FLU.1[pro]的对比。
异色瞳的亚洲女性。
美洲原住民。
有美人痣的南亚妇女。
疯狂的艺术家。
很遗憾，相关平台可能由于安全设置过于敏感，并未能成功生成这个提示词。
留着八字胡的高加索老人。
Runway也借势参与了一把，但效果却略显不足。
趁着这股热度，Runway创意总监Nicolas Neubert还利用自家的Gen-3 Alpha制作了一段视频。
果然，AI图片被转成视频之后，效果依然非常出色！
这个帖子同样引发了广泛关注。
网友感叹道：从一年半以前惨不忍睹的动画表现，到今天这样的质量，进步速度堪称疯狂。
同时，也有眼尖的网友发现，这段视频中仍然存在一些细微的错误。
例如人物的舌头不会动，牙齿略显弯曲、扁平，视频第4秒时左臂出现了奇怪的斑点，以及Google标志处的错误也十分显眼。
如果仔细观察，会发现所有阴影都显得很不自然，比如麦克风阴影。此外，在物体接触的地方，不少线条是混乱的。
嘴唇的动作同样不够自然。
眼睛看上去仍然缺乏灵魂。
总体而言，与AI生成图片相比，目前AI视频中的错误显然要多得多。
这背后的原因在于，AI根本不理解人类的舌头、头发、眼睛到底是什么。接下来的AI发展，必须学会人体解剖学和物理学才行。
而且，在文生图领域，Runway的表现要差很多。
SD一作携原班人马创业，一出手就是王炸
说回到FLUX.1，早在八月初它就曾引发过热议。
Stable Diffusion的第一作者，相关AI机构的核心成员Robin Rombach离职创业，正式宣布成立研究团队。
他们推出的第一款产品FLUX.1系列模型，效果直接超越了市场上许多主流方案！
根据官方博客的介绍，FLUX.1在图像细节、提示词遵循度、风格多样性以及场景复杂性方面都达到了领先水平。
特别是FLUX.1[pro]，经过测试在一众文生图模型中脱颖而出。
视觉质量、提示词遵循、尺寸/纵横比变化、排版和输出多样性
ELO得分
为了在可访问性和模型能力之间取得平衡，FLUX.1提供了三种变体：FLUX.1[pro]、FLUX.1[dev]和FLUX.1[schnell]：
- FLUX.1 [pro]：FLUX.1的顶级版本，提供最先进的图像生成能力，具有一流的提示词跟随能力、视觉质量、图像细节和输出多样性。
- FLUX.1 [dev]：一个开放权重的指令蒸馏模型，适用于非商业应用。由于是从FLUX.1 [pro]直接蒸馏而来，因此FLUX.1 [dev]不仅获得了强大的质量和提示词跟随能力，而且比同规模的标准模型更加高效。
- FLUX.1 [schnell]：速度最快的模型，专为本地开发和个人用途设计（schnell在德语中意为快速）。
值得一提的是，所有FLUX.1模型都基于多模态和并行扩散Transformer块的混合架构，参数规模达到120亿。
其中，研究团队通过构建流匹配改进了以往的扩散模型，并且通过结合旋转位置嵌入和并行注意力层提高了模型性能并改进了硬件效率。
团队成员
查看研究团队的主页，可以看到团队共有15位成员。
创始人正是老熟人Robin Rombach。
相关AI机构曾收购Robin的Latent Diffusion模型，并聘请他担任首席科学家。
在学术网站上，Robin Rombach参与的论文《High-Resolution Image Synthesis With Latent Diffusion Models》已经收获了超过9000次引用。
期间他领导了全球著名的文生图开源项目系列，这也是全球下载数量最多、使用范围最广的开源大模型之一。
论文地址：https://arxiv.org/pdf/2112.10752
Andreas Blattmann、Patrick Esser、Dominik Lorenz三人均是相关论文的作者，也是研究团队创业团队的新成员。
除了Bjorn Ommer，可以说Robin将相关项目的核心元老全都带走了。
《Fast High-Resolution Image Synthesis with Latent Adversarial Diffusion Distillation》正是Robin离职前发表的最后一篇论文。
论文地址：https://arxiv.org/abs/2403.12015
值得一提的是，在这篇论文中，Andreas Blattmann、Tim Dockhorn、Axel Sauer、Frederic Boesel、Patrick Esser也参与了相关工作。
除此以外，新团队以往的创新成果包括创建VQGAN和潜在扩散模型、用于图像和视频生成的SD模型（SD XL、SVD），以及用于超快速实时图像合成的对抗扩散蒸馏技术。
看来，AI生成图片和视频的进步速度还在持续加快。
展望未来，一年之后我们所能看到的AI图片和视频，将令人惊叹不已。