标签： 量子

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

什麽？这些不是真人照片，都是AI画出来的？！

最近这样一组美女图片刷屏了，许多人看到第一反应都是「AI逼真到这个份上了？」。

直到看到手部露出了破绽，才敢确定确实是AI画的。

原来在ChatGPT的光芒掩盖一切的这段时间，图像生成AI已经从从画画悄悄进化到了「画照片」。

这种风格和质量的AI照片，还有很多在各大网路社区流传，国内贴吧、微博、NGA，国外推特、油管，到处都是。

有网友表示：AI聊天 AI照片，快进到AI网恋诈骗。

而Cosplay风格的AI照片也让一些人感叹「商业Coser和摄影师可能双双下岗」。

根据各帖子发布者透露，这些AI照片都出自同一个模型，Chilloutmix。

多个模型融合进化，照片级AI诞生

ChilloutMix，二月初出现在模型分享社区CivitAI（不少爱好者称之为c站）。

不到两周时间，下载数量超过5万。

简单来说，这个模型还是基於大家熟悉的Stable Diffusion，1.5版本，但是由许多衍生模型合并（Merge）而来。

主要组件包括两大模型，首先是Basilmix，专攻逼真的纹理和亚洲脸型。

但这个模型主要还是擅长半写实的「2.5D风格」。

接下来合并了用照片集数据优化的Dreamlike的衍生模型，让最终生成结果更接近3D写实风格。

除了两个主要模型之外，作者还添加了一些小的Embeddings（相当於给AI模型打补丁）。

比如第一个Pure Eros Face，提供的.pt文件只有3.92KB，可以合并到任何基於SD1.5的模型，专门负责生成「纯欲系面孔」。

所有这些模型和Embeddings，各自擅长不同的地方，如一种画风、一种纹理、人物脸型甚至姿势。

Merge在一起後，可通过不同提示词调用它们的能力，一般原作者都会附上使用指南。

如果还是不太会用，CivitAI社区里还会有很多网友晒使用相应模型生成的作品，其中还有很多标记了「NSFW」或「18 」，懂得都懂。

除了ChilloutMix之外，文章开头的那组图片之所以能固定生成同一张面孔，还使用了另一项技术LoRA。

LoRA本来是微软研究团队早在2021年提出的一项大语言模型微调的技术，可以大大提高微调训练速度。

去年底，韩国科学技术院KAIST一位研究员@cloneofsimo与HuggingFace合作，将此方法扩展到Stable Diffusion上。

不仅实现了单块11GB显存的RTX2080Ti实现模型完整微调，同时原始模型权重冻结，新训练出来的权重可以保存为3MB大小的单个文件发布。

这项技术被AI绘画爱好者用来让模型固定生成一个物体，最流行的就是固定一个人物形象。

现在，在CivitAI社区里，每个微调好的权重就叫做一个Lora，就相当於一个人物模版，所有人都可以方便下载使用。

如开头的那组图片就是来自叫「Korean …

Pine 发自 凹非寺

量子位 | 公众号 QbitAI

一个镜片就搞定AR功能，夹在眼镜上就能直接用！

戴上它後，你眼里的世界是这样的：

还可以拍摄照片或者视频：

必要的时候，还能够即时回放视频：

此外，这款AR设备还拥有超级变焦，能够将视野放大至16倍：

这是Brilliant Labs推出的一款新AR设备，名为Monocle，它只有15g重，夹在眼镜上是酱紫的：

并且，随AR镜片配备的还有一个类似蓝牙耳机一样的充电仓，能够实现6次充电，合算下来，续航时间长达12小时。

更更重要的是，它的设计和所有软体都已经开源，并且还配备有MicroPython固件，能够直接和手机搭配，实现无线编程 。

不过话说回来，这次新出的AR设备，到底能卖多少钱，它又是如何在小小的一个饼乾状的镜片上实现AR功能的呢？

一起来看看～

定价2370元

目前，这款AR设备已经开始在官网发售，定价349美元，约合人民币2370元。

（和目前市场上AR眼镜2000～3000元的定价相比，还算合理）

并且Brilliant Labs发布在Discord上的最新更新表明：

生产已接近完成，第一批产品应该很快就会开始发货。

至於这样一个「镜片状」的东西是如何实现AR功能的，得从它的构造说起。

Monocle的主要零件都集中在镜片的上半部分，下图是它的拆解图。

在这些零件中，蓝牙单片机（Bluetooth MCU）是Monocle的主处理器，快闪记忆体为512KB，RAM为64KB，并且支持蓝牙5.2，最高可达2Mb/s。

并且，默认情况下，蓝牙单片机上会装有MicroPython固件，也就是说这使无线更新固件成为可能，能够通过特定的软体在桌面或移动设备（iOS/Android）上进行更新。

至於对AR设备来说非常重要的图像处理部分，Monocle交给了FPGA来做，它可以直接使用相机和麦克风作为输入。

此外，FPGA还预装了图形和相机加速器IP，这能够使用MicroPython命令访问。

换句话说，就是用户可以藉此创建自己的FPGA应用程序。

接下来就是Monocle成像部分的零件介绍了，它的前置摄像头是Omnivision OV5640，拥有500万像素的彩色感测器，并且还可以自动曝光控制，自动白平衡。

显示器这边，Monocle使用的是索尼ECX336CN微型OLED，像素是640x400RGB，与主机壳光学连接，这样一来，便能将图像导向用户的眼镜（光路图如下）。

不过，它的视场角只有20°（大约一张桌子的长度），而此前就已经有AR眼镜做到了40°、50°的视场角，相较之下，Monocle还是逊色不少。

当然，除了这些零件之外，Monocle还有麦克风、触摸界面等零件，麦克风就不过多赘述。

而触摸界面呢，则是通过识别「双击」、「长按」等手势，来触发不同类型的功能。

目前这款AR设备的上半部分是透明的设计，里面的零件都清晰可见。Brilliant …

日报君 发自 凹非寺

量子位 | 公众号 QbitAI

新的一周开始啦。

最近正值开学季，日报君在此温馨提示：大家上班（上学）尽量早点儿出门哟~

话说回来，咱们的科技新鲜事可不会堵车还是会照常奉上，不妨一起看看吧！

黄仁勋谈ChatGPT：对AI行业影响不亚於当年的iPhone

最近，英伟达CEO黄仁勋参加了Berkeley Haas商学院的系列谈话，期间大赞ChatGPT：

ChatGPT的出现对於AI行业来说，相当於（当年在）手机领域（出现）的iPhone，是计算机行业最伟大的事情之一，具有里程碑意义。

他表示，现在大家能把所有关於移动计算的构想，汇集到一个产品中。比如，通过API介面，可以把ChatGPT连接到数据表、Powerpoint、绘图程序，照片编辑程序等。

此外，老黄还提到，ChatGPT将实现计算的民主化。

其实，英伟达和ChatGPT联系密切，前者的晶元技术等为後者的训练提供了支持。有网友指出，大部分AI的底层代码都来自英伟达的CUDA架构。

而随着ChatGPT爆火，老黄也成了最大赢家之一：

据彭博亿万富翁指数，其今年的财富攀升33%，增加46亿美元（约合人民币311亿元），自人总净资产达到184亿美元（约合人民1242亿元）。

马斯克凌晨在Twitter加班：与工程师一起修bug

依然关於马斯克——

前两天，这位狠人又在Twitter总部熬大夜，和工程师们一起修Bug，主要解决了两大问题：

其一，是之前伺服器超载，用马斯克的话说，他有95%的推文都没有被推送出去；现在相关服务已经基本修好了。

其二，是之前推荐演算法使用的计数方式不合理，导致有很多粉丝的账户都被系统删号，现在计数方式已经调整过来了。

此外，马斯克还表示，团队半夜加班加点修好了以下Bug：

值得一提的是，就在上周，马斯克炒掉了推特仅剩2名首席工程师的其中一位。当时老马质疑自己的转评赞怎麽只有几千，然後这哥们儿解释称：

演算法没问题，只是公众对你的兴趣下降，大家看你不断的出格举动看腻了。

国内C刊：隐瞒ChatGPT使用情况将被退稿或撤稿

近日，《暨南学报（哲学社会科学版）》发布一条《说明》称：

暂时不接受任何大型语言模型工具（如ChatGPT）单独或者联合署名的文章；如果在创作过程中使用过相关工具，需单独提出，并详细解释如何使用以及论证作者自身的创作性。

如有隐瞒使用情况，将对文章直接采取退稿或删稿处理。

此外，《天津师范大学学报（基础教育版）》也发布类似《说明》，建议作者在参考文献、致谢等部分，写清楚AI工具的使用情况。

谷歌高管：ChatGPT会产生「幻觉」

据路透社援引德媒消息，谷歌高级副总裁、谷歌搜索负责人Prabhakar Raghavan谈到了聊天机器人，并警告称：

AI有时会以一种看着令人信服、实则完全虚构的方式来表达自己。

他指出，不要指望聊天机器人总能给出准确的信息。

值得一提的是，上周「谷歌版ChatGPT」Bard迎来首秀，结果却翻车严重，遭到群嘲，随後谷歌股价大跌——市值一夜蒸发了1000亿美元（约合人民币6828亿元）。

连一些谷歌自家员工都看不下去了，他们在内部论坛吐槽Bard，称其为的发布 「仓促」、「失败」和 …