粗略总结下Blockade Labs的AI作用

主要原理：
文生图，此图为3D可视化类型。（非真3D，类似谷歌街景3D图）和Stablediffusion有比较大的区别。模型更接近游戏街机风格。生成效率更高些

用法：
需要通过关键词搭配，可以选择风格类型，可以对图像骨架进行controlNet标记（大致意思）。
没有透露更多模型搭配，本质还是文生图，重点在于让用户除了用关键词tag等限定标记，还可以在三维视窗下进行二次标记。输出结果默认也是三维展示的效果。本质上会比2d平面图效果更佳 还无法达到制作AI游戏地图场景。

应用场景：
给梗图换一个可联动多机位背景 或者RPG角色扮演

吃本地算力，算力越强作图效果更佳，此AI 适合用于图层蒙版再生成，3D图再套平面图，可以做成简单的游戏
把图片3d立体化展示算是一个不错的灵感点。可以圈钱。

Drag Your GAN

软文：

来自谷歌的一组研究人员，与马克斯·普朗克信息学研究所和麻省理工学院CSAIL一起，最近发布了Drag GAN，这是一种用于直观的基于点的图像编辑的交互式方法。这种新方法利用预先训练的GAN来合成图像，这些图像不仅精确地遵循用户输入，而且保持在逼真图像的流形上。
满足用户需求的合成视觉内容通常需要对生成的对象的姿态、形状、表情和布局具有灵活而精确的可控性。现有的方法通过手动注释tag的训练数据或先前的3D模型来实现生成对抗网络（GANs）的可控性，但往往缺乏灵活性、精确性和普适性。在这项工作中，我们研究了一种功能强大但相对较少探索的GAN控制方式，即以用户交互的方式"拖动"图像中的任意点，精确地达到目标点， 我们提出了DragGAN，它包括两个主要组成部分：
1）基于特征的运动监督，驱使控制点向目标位置移动；
2）一种新的点跟踪方法，利用判别性GAN特征来持续定位控制点的位置。通过DragGAN，任何人都可以以精确控制像素位置的方式对图像进行变形，从而操纵动物、汽车、人物、风景等多种类别的姿态、形状、表情和布局。由于这些操作是在GAN的学习生成图像流形上执行的，它们往往可以产生逼真的输出，即使在挑战性场景下，如产生遮挡内容和变形形状，仍能保持对象的刚性。定性和定量的比较结果表明，DragGAN在图像操作和点跟踪任务中相对于先前的方法具有优势。我们还展示了通过GAN反演对真实图像进行操作的示例。

图像AI推展概率演化
有点猛 不过视频是被加速的。👍

超强液化涂抹工具
是不是秒杀PS默认组建😁
如果这个GAN可以类似link 这里的集成插件一样操作，那样修图就太有意思了喔。
Stable Diffusion和Dalle-2用来开拓找图
GANs就用来对精选图做二次生成开发
提高工作效率（最低成本下最高的效益投产比🤔）

以后修图可以不求人了😏🙈(坐等大佬)
https://vcai.mpi-inf.mpg.de/projects/DragGAN/

关联reddit 抱抱脸 github
#AI_Art

G7峰会 VS 中亚峰会
简朴自然环境 VS 土豪式金碧辉煌

文案省略😂

在价格感觉还是不香🙈
https://u.jd.com/687L5IO （自营预售）
https://u.jd.com/687KeO0 （现货买手）

今天发现IPFS挂了一看就这么不禁艹了，不知道哪天要全黄了。😅

https://ipfs.github.io/public-gateway-checker/

有趣的教程
https://segmentfault.com/a/1190000043437572

这题材可以拍成电影？🤔

可怜的鼠鼠

🤔

省流：内战？

真假未知，兵不厌诈。各位看官独立思考。
一个自称为“俄罗斯自由军团”的起义组织在他们的 Telegram 频道上发布了一段视频。
“是结束克里姆林宫独裁统治的时候了！要勇敢，不要害怕，因为我们要回家了！俄罗斯将获得自由！”
目前他们正在俄罗斯境内作战中！

来源