AI 绘画新时代：ChatGPT + DALL-E 3

ChatGPT 绘画能力的出现对 MidJourney 来说将是巨大的冲击，这里我想引用一下 @DrJimFan^[1] 的观点：

多轮对话与人类反馈：DALL-E 3 通过多轮对话作为用户界面，能够获取详细的人类反馈。用户以自由表达的语言解释生成图像的问题，为模型的优化提供精细注释。这些反馈对模型的多模态学习和视觉能力的提升具有正面效用。

算法效率：尽管 MidJourney 拥有更多可能的数据集，但其质量相较于 OpenAI 仍显不足。OpenAI 通过使用如 Consistency Model（arXiv:2303.01469）之类的新算法，展现出了更高效的数据利用和模型改进能力。

生态系统集成：DALLE 3 与 ChatGPT 的集成极大地增强了功能和易用性。例如，它可以轻松添加代码解释器和浏览器等模块。同时，通过调用 API 或插件实现图像滤镜的应用和参考图像的获取，增强了其多功能性。

现有用户基础：ChatGPT 享有庞大的用户基础（1 亿用户），相较于 MidJourney（1600 万用户）分发优势显著。用户界面的便捷性也在推广中扮演着重要角色，例如，将平台从 Discord（一个不那么友好的界面）迁移出去。

📌 一致性模型

Consistency Model：https://arxiv.org/abs/2303.01469

扩散模型在图像、音频和视频生成的领域中实现了显著的进步，但这一模型依赖于一个缓慢的迭代抽样过程。为了突破这一局限，我们提出了一种新的模型家族——一致性模型，其能够通过直接将噪声映射到数据上来创建高品质样本。设计上，它们支持快速的一步生成，同时允许通过多步抽样在计算和样本质量之间做权衡。此外，它们还支持诸如图像修补、上色和超分辨等零样本数据编辑，而这些并不要求在这些任务上进行明确的训练。一致性模型既可以通过提炼预训练的扩散模型来训练，也可以作为一个完全独立的生成模型。通过一系列的实验，我们展示了在一步生成和少步抽样中，它们超过了现有的扩散模型的提炼技术，达到了在 CIFAR-10 上新的最先进的 FID 3.55 和在 ImageNet 64x64 上的 6.20。当进行单独训练时，一致性模型形成了一个新的生成模型家族，能在如 CIFAR-10、ImageNet 64x64 以及 LSUN 256x256 等标准基准上超越现有的一步、非对抗生成模型。

创作

整个创作过程没有一句多余解释，它就会生成你想要的结果（自然语言的魅力所在，让你彻底忘掉什么所谓的 AI 绘画提示词）。不过中文描述并不万能的，在最后部分，我一直使用大颗粒像素来描述画风，它并未给出预期结果，当使用 pixel art 之后，就达到了预期。一定要看到最后，它最大的惊喜是可以创作有故事剧情的漫画。