新智元报道
编辑：Aeneas【新智元导读】面对画作总是词穷？现在，Midjourney推出了一个新的图像工具，可以反向操作，只要输入图片，它就会给你输出提示。Midjourney V5上线后，网友们用它生成了数不清的惊叹作品。在这个AI作画工具面前，人和人的差距，或许就体现在prompt上了。去年在科罗拉多州博览会艺术比赛上用AI打败了人类的获奖者，花了80多个小时，经过900次迭代后，才用Midjourney完成了《太空歌剧院》这一艺术杰作。而ta直接拒绝分享出自己的prompt。是的，现在很多时候，一行完美又专业的prompt，已经价值千金。而Midjourney仿佛深知我们的需求，最近，它上线了一个新功能——/describe，可以帮我们从图像中反推prompt。
从图像反推prompt
现在，如果你有一个想模仿的图像，但你不知道要用什么样的prompt去描述它，这时候，describe就帮你大忙了。比如，下图是新海诚的《言叶之庭》（「言の葉の庭」）。
拖进图像后，Midjourney生成了下面四种prompt。
根据这四个prompt，Midjourney又生成了类似风格的四幅图。简直完美。
并且，Midjourney提供的描述也可以激发出用户的更多灵感。传统的画家可能会患有空白画布综合征，AI艺术家有时也会词穷，很难找到描述照片的词语。在Midjourney的Discord频道上，从「/describe」就可以启动文本描述过程了。
Midjourney提供了一个拖放区，可以让你拖入图像。然后按下回车键，就可以等待prompt了。四个文本提示，包括描述性词语、样式详细信息和纵横比。宽高比在像素精确度方面与计算机类似，比如如果是一个16:9的图像，它会输出504:283。而四个文本提示生成后，你可以直接点击按钮，直接用它们生成图像，当然，在提交之前，你也可以选择自己优化提示。
作家的意外收获？
更有趣的是，Midjourney的这个新功能，竟然意外地让作家们获得了帮手。
如果找不到完美的形容词来描绘一幅画，只需要把图像上传到Midjourney，文采斐然的句子就自动蹦出来了。而Midjourney返回的文本提示，真是让人惊喜连连。其中包括「palewave」、「cranberrycore」和「icepunk」等流行语，以及各种艺术家、摄影师和作者的姓名。而提示中出现人名时，甚至是可点击的链接，可以打开谷歌搜索，如果点击进去，你或许会获得更多的灵感来源。比如，上传Ross Burgener的一张绝佳的作品，Midjourney会这样描述：”极光在LED照明的冰屋上跳舞，给雪的颜色带来了蓝色调”。它认出了北极光，会在提示中给出建议——可参考艺术家Qlexis Gritchenko和摄影师Nathan Wirth。它采用的词汇包括 「极地冰山」、「发光的天空」和「空灵的雕塑」。
网友们大喜，已玩疯
现在，网友们已经玩疯了。
有网友利用describe功能，生成了许多穿白色蕾丝裙的美女。
有人输入了一堆珠宝的图像。
得到了如下的prompt。
根据这些prompt生成的图像如下。
输入一个二次元萌妹。输出的prompt，出图效果很惊艳。输入一只气质憨憨的大捻角羚的照片。生成的prompt如下。输出的prompt生成的大捻角羚，气质更为冷峻。输入一只海滩上的狗。Prompt生出了四只埋在坑里的狗。输入穿着燕尾服的动漫人物。生成如下prompt。生成四张动漫人物。
是RLHF？
可以看到，Midjourney最近的进步，可以用飞速形容。
英伟达AI科学家Jim Fan猜测，Midjourney一直在根据人类反馈（「RLHF」）进行大规模的强化学习，并且，这可能是有史以来规模最大的文本到图像强化学习。当用户选择放大图像时，是因为他们更喜欢它。如果不把这个过程当作奖励信号，那真是巨大的浪费。这些数据收集起来很便宜，而且完全符合用户群的需求。拥有的用户越多，可以做的RLHF就越好，然后获得的用户就越多。他还给出了一个免责声明，表示这就是自己的一个脑洞，自己并不认识Midjourney的人。但他们一定已经是这么做的，因为UI的格式看起来就像一个多项选择题。最后，要注意的是，同图像生成一样，describe功能需要使用积分，所以需要谨慎地考虑。而且现在，Midjourney的免费功能，已经彻底关闭了。参考资料：https://the-decoder.com/midjourney-new-image-tool-works-in-reverse/https://twitter.com/DrJimFan/status/1643279641065713665
相关文章
