Midjourney

每经记者：文巧 每经实习记者：岳楚鹏 每经编辑：高涵 ｜2024年8月30日 星期五｜ NO.1 X平台巴西业务恐被关闭 当地时间8月29日，据外媒报道，巴西最高法院法官亚历山大·德莫赖斯向埃隆·马斯克发出最后通牒：必须在当地时间8月29日晚8点07分前，在巴西任命新的法定代表人，否则X将被禁止。这场持续的纠纷发生在X关闭其在巴西的办事处之后，此前X被勒令删除多个涉嫌传播仇恨言论和错误信息的账户。目前，该服务仍可供巴西约4000万月度用户使用。 点评：这凸显了全球社交媒体平台在不同国家面临的法律合规压力，以及内容监管与企业运营之间的紧张关系。 NO.2 Midjourney进军硬件领域 当地时间8月29日，知名AI图像生成公司Midjourney宣布进军硬件领域，并邀请求职者申请加入其新的硬件部门。Midjourney已经雇佣了前Apple Vision Pro工程师Ahmad Abbas作为硬件部门的主管。 点评：Midjourney的硬件领域扩展可能推动AI图像生成技术与硬件设备的深度融合，为未来的智能设备和交互方式带来新的创新和应用场景。 NO.3 OpenAI携手Anthropic同意与美国政府合作进行安全测试 当地时间8月29日，美国政府宣布与OpenAI以及Anthropic达成合作协议，以帮助测试和评估他们即将推出的人工智能安全技术。美国AI安全问题研究所将提前获得这些AI科技公司的主要新AI模型，以评估其能力范围和风险，并就缓解潜在关键问题的方法进行合作。 点评：这标志着对AI技术安全性的高度重视，并通过提前评估新AI模型，推动技术的安全发展和风险管理。 NO.4 Magic获得3.2亿美元融资，将与Google合作开发AI超级计算机 当地时间8月29日，专注于代码生成和软件开发自动化的AI初创公司Magic，在最新一轮融资中筹集了3.2亿美元。此次融资由前Google首席执行官Eric Schmidt领投。Magic还宣布将与谷歌合作开发两台AI超级计算机，目标是彻底改变AI模型训练和推理。 点评：表明AI自动化在软件开发领域的潜力，并可能通过新型AI超级计算机推动模型训练和推理的突破。 NO.5 优步宣布与自动驾驶科技初创公司Wayve建立合作伙伴关系 当地时间8月29日，优步和英国人工智能初创公司Wayve宣布建立合作伙伴关系，两家公司将在自动驾驶技术方面进行合作。两家公司在一份声明中表示，作为交易的一部分，优步还向Wayve投资了一笔未披露的金额，以获得少数股权。 点评：优步与Wayve的合作及投资标志着优步在自动驾驶技术领域的进一步布局，并可能推动其未来的自动驾驶解决方案发展。 每日经济新闻

随着人工智能技术的飞速发展，特别是在深度学习领域的突破，图像生成技术得到了显著的进步。Stable Diffusion正是这一趋势下的产物，它代表了人工智能在图像生成领域的一个重要里程碑。 最近小编我接触了SD（Stable Diffusion简称）分享一下最近几天生成的图片，及使用感受 图一 图2 图三 图一是在花瓣网下载的参考图片，图二，图三在SD生成图片，可以看到图片在风格上面发生了很大的变化，但是人物在造型上基本还是一致的，这主要用到了SD的Controlnet插件 controlnet插件 我们用Controlnet去读取参考图片的线稿图，然后在正反向提示词里面写好常规提示词，采样器选用DPM++2Mkarras，就可以生成一张和参考图造型一致的图片。各位读者对生成的图片有什么看法可以在评论区留言。 Stable Diffusion 作为一项极具创新性和突破性的技术，拥有着令人惊叹的能力，它能够巧妙地将各种各样的元素、场景或者概念有机地融合在一起。这种融合并非是简单的拼凑，而是一种深度的、富有创意和想象力的整合。 比如，它可以把古典艺术中的优雅线条与现代科技的酷炫色彩相融合，创造出既具有历史韵味又充满未来感的独特画面。又比如，将神秘的宇宙星空与生机勃勃的地球生态场景相结合，展现出跨越时空的宏大与奇幻。 众多学者的研究也表明，Stable Diffusion 这种融合创造的能力，为艺术创作、设计领域以及影视特效等方面带来了革命性的变化。在艺术创作中，它让艺术家们能够突破传统的束缚，将内心深处那些天马行空的想象转化为具象的视觉作品。在设计领域，它帮助设计师们迅速生成多样化的概念方案，为产品赋予全新的视觉魅力。而在影视特效方面，它更是能够打造出以往难以实现的震撼场景，让观众沉浸在前所未有的视觉盛宴之中。 从社会角度来看，Stable Diffusion 的这一特性满足了人们对于新奇和独特视觉体验的渴望。在这个快节奏、信息爆炸的时代，人们的审美需求日益提高，对于视觉上的刺激和享受有着更高的追求。Stable Diffusion 所创造出的前所未有的视觉体验，无疑为人们的生活增添了更多的色彩和乐趣。 从文化角度分析，它也促进了不同文化元素之间的交流与融合。通过将来自不同文化背景的元素、场景和概念进行整合，Stable Diffusion 打破了文化之间的界限，让各种文化能够相互借鉴、相互启发，从而推动了文化的创新与发展。 总之，Stable Diffusion 以其独特的融合能力，正在不断地刷新着我们对于视觉体验的认知，为我们开启了一个充满无限可能的全新视觉世界。

作者｜Xuushan，编辑｜蔓蔓周 “ 不少人期待它成为下一个Midjourney。 ” 这可能是史上最具有执行力的AI创企。 刚刚成立15天，AI创企Black Forest Labs就已经拿下了3200万美元种子轮融资，并且发布文生图AI大模型FLUX.1系列模型。 不仅如此，就连马斯克刚出品的AI大模型Grok-2，也是在它的支持下，迅速上线文生图功能，引起百万网友参与互动。 而且与其他AI模型的文生图功能不同，Grok-2上生成图片几乎没有任何限制，而且相当逼真。 无论你想让乔布斯逗猫，还是让小扎和马斯克线下“八角笼”相见，Grok-2均能满足你的愿望。可以看出，该模型在语义理解能力、对齐能力以及图像生成等能力上均表现十分强劲（除了安全性）。 这家公司到底是什么来历？又是如何引得网友们为它疯狂，甚至马斯克都愿意选择它为自家核心产品助力？硅兔君经过一番深入调查，终于揭开了Black Forest Labs的神秘面纱。 01 15人集体从Stability AI出逃 Black Forest Labs连发三款AI模型 Black Forest Labs成立的契机，还要从另一家AI独角兽企业Stability AI说起。 事实上，Black Forest Labs如今的15人初创团队，全部来自Stability AI。可以说，Black Forest Labs的成立，是一场员工的集体出逃。 Black Forest Labs创始人Robin Rombach曾是Stability AI前研究科学家，是Stability AI两大核心顶梁柱之一。 他曾在海德堡大学学习物理，并在 2020 年开始在该大学计算机视觉组攻读博士学位。Robin一直专注于深度学习模型，尤其是文生图领域，之后随科研组于2021年加入了慕尼黑大学。 在Stability AI期间，他曾主导开发了文生图AI大模型Stable Diffusion。当初，Stable Diffusion可以称得上是AI文生图领域的霸主，引发行业震动。Stability AI的估值也冲破10亿美元，一举踏入AI独角兽行列，风头无量。 但Stability AI的发展却在2024年急转直下。据报道，Stability...

Stable Diffusion：探索深度学习中的稳定扩散模型 在人工智能和深度学习的浪潮中，生成模型已成为一种强大的工具，能够模拟和生成类似于真实世界的数据。其中，扩散模型（Diffusion Models）近年来备受关注，尤其是Stable Diffusion，一种先进的扩散模型，以其高效、稳定和高质量的数据生成能力而脱颖而出。本文将深入探讨Stable Diffusion的原理、应用以及未来发展前景。 一、Stable Diffusion的基本原理 Stable Diffusion属于扩散模型的一种，它的基本原理是通过模拟扩散过程来生成与训练数据相似的新数据。扩散模型的工作原理可以分为几个关键步骤。 首先是初始化阶段，给定一个原始数据集，这可能是图像、文本或其他类型的数据。接着是扩散过程，在这个过程中，模型会逐渐地将数据向原始数据集的中心值靠近。这个过程通过“扩散器”函数来实现，它接收当前数据值和一个小噪声项，然后输出一个新的数据值。这个过程会重复多次，直到数据值接近原始数据集的中心值。 完成扩散过程后，模型会生成一个新的数据样本，这个样本会继承原始数据集的特征。为了提高生成数据的质量，Stable Diffusion还引入了反向扩散过程，该过程与正向扩散类似，但使用的是不同的扩散器。通过反向扩散，生成的数据可以更接近原始数据集的分布。 为了提高生成数据的多样性和平衡性，扩散过程可以多次重复，并使用不同的扩散器和噪声参数。此外，优化模型的损失函数和训练参数也可以进一步提高生成数据的质量。 二、Stable Diffusion的应用领域 Stable Diffusion的灵活性和高效性使其在多个领域都有广泛的应用。 图像生成：Stable Diffusion在图像生成方面表现出色。通过逐步揭示图像中的细节和纹理，它能够生成高度逼真的图像，包括自然景观、人脸、艺术作品等。这种技术在艺术创作、电影特效和游戏开发中具有巨大的潜力。图像修复和增强：利用Stable Diffusion，可以从损坏或模糊的图像中恢复出清晰的图像。在图像恢复、医学图像处理和摄影后期处理中，这一技术有着重要应用。图像去噪：Stable Diffusion还可以用于去除图像中的噪声，通过逐步减小噪声的影响来提高图像的质量和清晰度。这在图像处理、计算机视觉任务的前处理步骤中非常有用。图像插值和超分辨率：通过逆向扩散过程，Stable Diffusion能够从低分辨率图像生成高分辨率图像，提高图像的细节和清晰度。这在图像重建、视频处理和监控图像增强等领域有着广泛的应用前景。 三、Stable Diffusion与AI绘画 在AI绘画领域，Stable Diffusion技术同样展现出了强大的潜力。通过与神经网络模型相结合，Stable Diffusion可以实现对图像的自动绘制。具体来说，它首先生成一些随机噪声图像作为神经网络的输入，然后通过神经网络的训练和学习，逐渐将这些噪声图像转化为具有艺术效果的图像。 这种方法不仅可以用于生成传统的艺术形式，如油画、水彩画和铅笔画，还可以创造出全新的艺术形式，如抽象画和立体画。Stable Diffusion的应用极大地丰富了AI绘画的技术手段和艺术表现力。 四、技术实现与挑战 Stable Diffusion的技术实现主要基于深度学习技术，包括图像识别、卷积神经网络和生成对抗网络等。通过对已有的绘画作品进行图像识别和数据分析，学习绘画风格和色彩特征，然后使用生成对抗网络进行图像生成和优化，从而实现高度逼真的绘画效果。 然而，尽管Stable Diffusion取得了显著的进步，但仍面临一些挑战。例如，如何平衡生成数据的多样性和质量，如何进一步提高生成速度以满足实时应用的需求，以及如何在保证数据隐私和安全的前提下进行有效的模型训练等。 五、未来展望 随着人工智能技术的不断发展，Stable Diffusion有望在更多领域发挥其优势。在艺术创作领域，艺术家可以利用Stable Diffusion来辅助绘画，提高创作效率和作品质量。在影视特效和游戏设计领域，Stable Diffusion也将为角色设计和场景绘制带来更高的视觉效果。 此外，随着技术的不断进步，我们期待Stable Diffusion能够在更多领域实现创新应用，如虚拟现实、增强现实以及数字孪生等领域。同时，随着模型的不断优化和改进，Stable Diffusion有望在未来实现更高效、更稳定、更逼真的数据生成效果。 六、结论 Stable Diffusion作为一种先进的扩散模型，在深度学习领域展现出了巨大的潜力。其稳定、高效和高质量的数据生成能力使其在多个领域具有广泛的应用前景。随着技术的不断发展和优化，我们期待Stable...