但Stable Diffusion的这个新魔法并不仅仅能做到这里就止步，前些日子谷歌发布了一个新的论文，通过对 Imagen 模型进行微调，从而实现了将现实物体在图像中真实还原的功能。相关论文以《微调文本到图像扩散模型，以实现主体驱动生成》（DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation）为题发表。
这个名为 DreamBooth 的模型是一种新的文本到图像“个性化”（可适应用户特定的图像生成需求）的扩散模型。另外，虽然 DreamBooth 是在 Imagen 的基础上做的调整，但研究人员在论文中还提到，他们的方法也适用于其他扩散模型。
只需几张（通常 3~5 张）指定物体的照片和相应的类名（如“狗”）作为输入，并添加一个唯一标识符植入不同的文字描述中，DreamBooth 就能让被指定物体“完美”出现在用户想要生成的场景中。
在谷歌的宣传文字中是这样说的：它就像一个照相亭，但一旦拍摄对象，无论你的梦想带你去哪里，它都可以被合成......
可能很多人没有意识到，我们昨天介绍的训练Stable Diffusion的方法，正是同样的方法，也就是说，我们可以实现谷歌论文中所宣传的各种应用方式。
我给Stable Diffusion输入了一个女明星的五张人像照片进行训练，随后用训练后的模型完成谷歌论文中的各种实验。下面所有内容都先展示谷歌的应用实例，然后展示我训练后的模仿效果。（出于版权安全考虑，使用较低的steps步数，人物面部都比较模糊）
一、环球旅游
现在你也可以让你自己的照片、你的宠物、你的玩具出现在世界各地。
二、走入世界名画
还可以让你输入的内容作为演员，艺术再现各个名画中的风格。
三、换个角度看她
还可以指定你输入的对象用指定的视角展现自己，如侧脸。
四、魔法变身
修改你输入对象的各种属性，如颜色。
给你输入的对象更换服装、帽子等等。
五、可能的负面影响
Stable Diffusion的这个新能力，或者说AI的这个新能力，旨在为用户提供在不同背景下合成个人主题（动物、物体）的有效工具。它可以使用户能够更好地重建其理想的主题。但是反过来说，恶意方也可能会试图使用这些图像来误导观众，模糊现实与虚拟的界限，这是一个可预见的问题。未来对这个能力的研究，特别是对个性化训练AI的研究，必须慎重或者避免用真人数据训练AI。
做完这些试验，我还是挺庆幸Stable Diffusion的这个模型目前还有所限制，无法生成更高分辨率的图片，采样数据也比较少，只需提供3-5张图片，所以面部细节其实不够多。如果面部细节和其他题材一样清晰，影响就太恐怖了。不过最后一张AI画的好像也足够清晰了，我都忘了用的是哪个明星照片训练的了。。。以后还是用玩具或宠物训练好了。
这篇文章就到这里，码字不易，有收获的朋友欢迎转发、分享、打赏支持。
本文来自微信公众号“今说新语”作者：穿行者2049（ID：Bitgenius）。大作社经授权转载，该文观点仅代表作者本人，大作社平台仅提供信息存储空间服务。
