为了让AI画出的人更加逼真，港中大博士生用了3.4亿张图像专门训练画人。
人物的表情、姿态，环境的空间关系、光线都能合理布局，可谓立体感十足。
SDXL虽然火爆，但并非对手。废话少说，直接上图！
这个模型的名字叫HyperHuman，主打的就是一个真实立体。
它解决了传统AI绘图工具在画人时图像不连贯、姿态不自然的问题，如Stable Diffusion
不仅如此，他的绘画技巧也非常出色，而且他对提示词的理解能力更强，能够更好地将提示词转化为绘画作品的内容
那么下面就来具体看看HyperHuman都能创作出哪些作品吧！
无论是孩子还是老人，各个年龄段的人人物形象HyperHuman都可以画。
人物的动作和表情自然，同时场景的空间关系也显得非常合理
不仅是图本身看上去真实，和提示文本的匹配也十分精确。
人物之外，HyperHuman能绘制出的场景类型也多种多样。
无论是单人还是多人，是滑雪或者冲浪……
如果和其他模型进行比较的话……
很明显，在这组提示词中，其他模型基本上都没能正确画出停止标志，而HyperHuman则正确地绘制了出来。
A man on a motorcycle that is on a road that has grass fields on both sides and a stop sign.
而在这一组中，其他模型的作品或者不知所云，或者出现各种细节问题，更有甚者画出的人长了三只脚，但HyperHuman依旧是稳定发挥。
精通滑板艺术是极其有益的
在数据方面，HyperHuman不仅给人以直观的感受，还在全面碾压包括SD2.0在内的其他竞争对手
图像质量方面，HyperHuman的FID、KID两项指标（均为数值越低效果越好）都超过了其他模型四分之一以上。
在姿势准确度方面，与ControlNet等其他模型相比，HyperHuman表现出明显的优势
HyperHuman的实现方式是怎样的呢？
联合学习，分步生成
为了提高HyperHuman的效果，研究团队一共提出了两个思路。
首先，我们需要同时学习图片的颜色、深度图和法线图
颜色反映外观，深度图反映物体位置，法线图反映表面角度。将它们一起学习，可以让模型更好地理解图片内容。
第二点则是分阶段生成，先使用文本和骨架点作为条件，生成颜色、深度和法线三者的初步合成结果。
然后以前面生成的条件作为指引，生成更高分辨率和质量的图片。
具体实现上，HyperHuman和SDXL一样也是采用扩散模型。
具体来说，HyperHuman使用的是“潜在结构（latent structural）”模型
它的核心包括以下两个模块：
- 联合去噪模块：具有多个输入输出分支的统一网络结构，在颜色、深度和法线图三个维度同时去除噪声。
- 结构指导模块：用上一步产生的结果作为条件和指引，实现结构到纹理的精细化生成。
为了增强稳定性，模型在生成过程中还会有选择性地对一些条件进行权衡
在训练数据方面，开发者将LAION-2B和COYO两个数据集中的公开资源进行整合、处理和标注，最终得到了约3.4亿张图像的HumanVerse数据集
结果在基于COCO 2014数据集的多个绘图模型横评中，HyperHuman（红色）都取得了最佳成绩，如果考虑文本匹配度，HyperHuman更是一骑绝尘。
得分越低越好
为了进行调查，研究人员除了使用测试数据外，还招募了100名用户，并调查他们更喜欢哪种模型的作品
经过比较，HyperHuman在选择更逼真、质量更好的图像时比其他多种模型更受欢迎
作者简介
HyperHuman论文的第一作者是香港中文大学的博士生刘献
HyperHuman是他在Snap公司实习期间完成的，Snap的Sergey Tulyakov等人也参与了本项目。
香港大学和南洋理工大学的学者也对HyperHuman做出了贡献
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。