本文来自微信公众号：量子位 （ID：QbitAI），作者：明敏、梦晨，原文标题：《原画师惊呆：这个爆火AI真把梦境画成现实了！下载APP人人可用》，题图来自：Dream by Wombo
没想到，平常都是我拿着最新AI的Demo到处去安利。
这回竟然被美术圈的朋友安利了一个AI绘画APP？
话不多说先看效果：
这摩登又玄幻的画面，一上来就冲击到我了。
抽象的线条兼具了美感和想象力，同时还传递出未来城市的感觉。
要不是被剧透，我还真不一定能立刻猜出来这是出自AI之手。
而且除了能对照片进行二改，这个AI还能根据文字命题、凭自己想象作画。
比如输入落日飞车四个字，在AI的“想象”中会是这样：
另外还可以画出不同画风，目前已支持20种。
还真是能满足你提出的所有需求，怪不得能征服美术设计圈（doge）。
AI画完后，甚至可以一键保存成手机壁纸。
过去几天，这款APP还在Apple Store图形和设计区霸榜多日（安卓版本也有）。
要知道，过去美术圈、艺术圈可是有不少人吐槽AI生成的内容没得灵魂……
结果现在纷纷在社交平台上po自己的作品，还有设计区大V要专门聊聊这个事儿。
但更让我震惊的是，这个APP背后公司的故事。
公司创始人现在只有25岁，为了创业，他直接从多伦多大学退学。
公司首次推出的APP（WOMBO.AI），能让照片对口型唱歌。
没错，就是那个此前在抖音上爆火、席卷全球互联网的魔性特效。
凭借着这款APP，这家公司估值直冲4000万美元（折合人民币约2.5亿）。
而他们最初的启动资金，只有6万美元。
这不禁让人好奇，到底是怎样的一伙人，能凭借AI一次又一次做出全球爆火的APP？
25岁辍学创业，公司估值4000万美元
先从小哥的公司Wombo创办说起。
Wombo是一家加拿大公司，创始人及CEO名叫Ben-Zion Benkhin，今年25岁。
（接下来我们暂时用“小本哥”来称呼他。）
图片来自：Wombo
小本哥本来是多伦多大学数学与哲学专业的一位学生。
在学校的时候，他组建过一个人工智能兴趣社团，自己对deepfake也十分感兴趣。
2020年8月的一个夏夜，小本哥和他的室友在公寓屋顶上吹风，突然灵光一现：
为什么没有人做一个APP，可以把一张普通的照片变成搞笑视频？
△Wombo效果
在经过4个小时的讨论之后，Wombo的雏形轮廓逐渐清晰了起来。
小本哥对这个想法还真不是一时上头。
为此，他选择辍学完成创业。
同时还拉来了自己做管理顾问的朋友Paul Pavel一起“搞事”，并在多伦多大学招募了一些学生。
其中Angad Arneja放弃了全额奖学金，选择和小本哥一样辍学，现在他是Wombo的人力主管。
图片来自：Wombo
公司最初启动资金有6万美元，主要依靠各位创始人的父母慷慨解囊。
小本哥说这些钱主要用在了买电脑、招募开发人员和品牌推广上。
大约半年以后，2021年2月28日，Wombo就准备好发布了。
小本哥和其他公司创始人们把这个应用发给了大约10个人。
一周之内，Wombo的下载量就达到了50万次。
第二周，这个数字跃升到了900万。
由此，Wombo也引起了各方投资人的关注，顺利拿到了由Global Founders Capital和Sofreh Capital共同领投600万美元天使轮。
现在估值达到了4000万美元。
值得一提的是，Wombo在爆火前，曾被200多家VC拒绝过。
所以这一波下来，真正赢麻了的是最初提供启动资金的家长们。
比如Paul Pavel的父母就是资助2万美元，最终换来了数十万美元的股票。
目前，Wombo旗下的两个APP下载量已经达到了8400万+，月活用户超过1000万。
Wombo上的创作量已经达到10亿，Dream by Wombo这一数据也达到了1.8亿。
由此带来的收入也非常可观，去年Wombo上线4个多月，依靠内部广告和免费歌曲库获得了数十万美元的收入。
Dream by Wombo支持用户购买自己用AI生成的作品。
20美元可定制一张海报，加边框的价格则从45美元起算。
这个AI是怎么画画的？
让AI根据文字作画，了解AI的朋友会知道这属于多模态生成。
模态，指的是文本、图像、声音等不同的信息表现形式。
多模态，则是把不同类型的信息结合起来。
如果给每个图片标上文字描述组成一对，用大量这种图文对去训练AI，就能让它理解到图文之间的对应关系。
OpenAI开源的CLIP就是这个原理，Wombo工程师也曾在一次采访中透露过，他们的算法中就使用了CLIP。
CLIP使用了4亿组从网上收集的图文对做训练，可以理解颜色和形状，日常物品或建筑物，甚至抽象的艺术风格比如“印象派”或“赛博朋克”。
△CLIP训练数据示例
接下来，还要解决图像生成的部分。
没错，又要请出GAN（生成对抗网络）了，而且这次GAN要接受CLIP的指挥。
整个流程是这样的：
首先生成一张平平无奇的随机图像当种子。
让CLIP给图像与文字描述的相似度打分，反馈给GAN，GAN以提升分数为目标不断迭代。
整个迭代过程可以在App中直观地看到。
其中的随机性意味着AI几乎不可能两次生成同样的图像。
如果第一次结果不满意，还可以点击按钮用相同配置再试一次。
至于Wombo的算法具体使用了哪种GAN，并未公开。
但在招聘信息里，高级机器学习工程师的岗位描述中写着，有DC-GAN经验的优先。
DC-GAN最早于2015年提出，是第一个使用深度卷积网络生成图像的GAN变体。
意味着Wombo的算法大概率是以此为基础改进而来。
Wombo选择卷积网络而不是Transformer的理由也不难猜。
要做成移动App给全球玩家使用，而且生成的是高分辨率图像，卷积在效率上要占优势。
CLIP+GAN结合成AI画家的方法并非Wombo首创。
CLIP于2021年1月发布，第二天网友@advadnoun就开始试验其与各种生成模型的组合。
最终他选择了BigGAN，将代码发布为Colab笔记The Big Sleep
早期The Big Sleep生成的画，怎么说呢，总是带点精神污染，分辨率也不高。
（建议不要去翻@advadnoun的早期分享，真的有毒）
后来西班牙玩家Katherine Crowson在此基础上发布了CLIP+VQGAN的版本。
VQGAN是CVPR 2021 Oral入选论文，将CNN的高效率和Transformer的高性能结合起来，生成的图像质量更高。
这一版Colab笔记真正流行了起来，不少人开始分享AI创作的画，还开发出各种技巧。
比如文字提示中加入虚幻引擎或者光线追踪，画质还能大幅提升。
围绕CLIP+VQGAN开始形成社区，代码不断有人做优化改进，还有了专门收集发布AI画作的账号。
而最早的先驱@advadnoun还顺利入职Adobe担任研究员。
但这一波AI作画浪潮的玩家主要还是技术爱好者。
毕竟在Colab上排队申请GPU、运行代码训练AI，时不时还要处理一下报错，门槛还是有点高了。
直到Dream by WOMBO的出现，改变了一切。
AI作画开始被认真对待
实际上，这几年已经浮现出不少让AI作画的技术工具。
最早是谷歌在2015年推出的DeepDream。
后来，除了前面提到的以外，还有英伟达的GauGAN、OpenAI的DALL·E，开源的Disco Diffusion等。
凭借着独一无二还惊艳众人的特点，AI作画影响到的圈层也越来越广泛，比较典型的有美术圈、艺术收藏圈以及NFT领域。
首先来看美术圈，他们接触更多的是Disco Diffusion。
这款AI用扩散模型代替了GAN，生成图像的质量更高，几乎达到了原画级。
尽管要在Colab上自己运行代码，门槛不低，但还是大受欢迎，甚至出现了专门收集提示词的共享文档。
知乎上最近也有一个与之相关的热门话题。
AI绘画会对美术行业产生什么样的影响呢？
在这个讨论中，大部分人都觉得，AI对当下美术圈的影响还比较有限。
但是未来呢？大家的观点不尽相同。
有人认为AI可以成为创作者的辅助工具；有人却觉得AI能直接取代画师。
知乎答主@画画的花噎菜认为，AI绘画依旧淘汰不了绘画行业。
往远了说，照相机没有淘汰写实油画；往近了说3D辅助也没有淘汰写实数绘。……如果你还是怕被抢了饭碗，那不妨让自己画得好一点。因为不论什么行业，高端的市场都是最难被淘汰的。
@鱼一般也觉得，AI将会是专业画师手中一个很好的工具，可以提供很多灵感，也可以当做底稿使用。
@Liuuzaki虽然也赞同AI在想象力上是长板，但他认为，AI有一天会取代与之工作方式相似的从业者。
AI并不擅长逻辑，只擅长美感。它是天生的艺术家，而不是工程师。
这种工作方式很像现在的一些美术工作者。
而如果再把目光延伸到艺术收藏圈来看，AI作画在这几年已经带来了一些肉眼可见的影响。
2018年，一幅由AI创作出的肖像画在纽约佳士得拍卖会上以43.2万美元成交。
这一价格也是该场拍卖会的最高成交价，甚至超过了同场拍卖的毕加索作品。
这幅画最大的噱头，便是用GAN作画所带来的的独一无二性。
One More Thing
最后，AI作画还影响到了同样在冲击艺术圈的NFT。
此前有人推出了一个平台Eponym。
它能够利用AI将文本转化为图画，然后再将这些作品直接铸造到最大的NFT市场OpenSea。
在这个平台上，每个文本只能生成一幅画作。
由它推出第一批NFT（3500个），在OpenSea上一夜售罄。
△Eponym生成的作品
关于AI作画将成为NFT领域的下一个趋势，也成为最近圈内热议的话题。
实际上，Wombo也有进军NFT领域的打算。
去年年底，有位网友在推特上向他们发问：
你们是否把用户生成的画作铸造成了NFT？
对此官方给出回应：目前还没有铸造，但是正在考虑这一计划！
这事儿，你怎么看呢？
AI绘图灵感共享库：
https://docs.qq.com/sheet/DWFR0VmpQa3ZtbXda
TheBigSleep：
https://colab.research.google.com/drive/1NCceX2mbiKOSlAd_o7IU7nA9UskKN5WR
CLIP+VQGAN：
https://ljvmiranda921.github.io/notebook/2021/08/11/vqgan-list/
Disco Diffusion：
https://colab.research.google.com/github/alembics/disco-diffusion/blob/main/Disco_Diffusion.ipynb
参考链接：
[1]https://www.theglobeandmail.com/business/article-making-it-by-faking-it-how-torontos-wombo-became-canadas-fastest/
[2]https://www.8btc.com/article/6722724
[3]https://artthescience.com/magazine/2022/02/16/features-wombo-dream-and-ai-art-with-salman-shahid/
[4]https://weibo.com/u/5619550614?is_hot=1
[5]https://www.zhihu.com/question/528563685/answer/2447959396
[6]https://www.zhihu.com/question/528563685/answer/2445286621
[7]https://www.zhihu.com/question/528563685/answer/2445279372
本文来自微信公众号：量子位 （ID：QbitAI），作者：明敏、梦晨
