日报&周刊合集 | 生产力工具与行业应用大全 | 李 点赞关注评论拜托啦！
烙 摄影写真面临AI技术洗牌，一键生成杂志大片的时代来了
软件：midjourney & Stable Diffusion
模型：moonmix_utopia
人物lora： 老婆真人
后期：PS
Steps: 50, Sampler: DPM++ 2M SDE Karras, CFG scale: 7
随着AI技术不断发展，诸如Midjourney 和 Stable Diffusion 等工具生成的图片质量已经非常高了！在AI创意二维码、文字、证件照之后，AI创意写真也火爆了起来~
以这套「荷叶罗裙一色裁，芙蓉向脸两边开」的古风人物摄影为例。这些完全由AI生成图片，精美的服饰、优美的姿态、优雅的布局，使得照片非常逼真且极具美感。可见，当前的AI算法已经能捕捉并重现复杂的艺术细节，这对依赖传统服装、妆容来打造古风照片的摄影行业无疑是个巨大的冲击 ⋙ 小红书
烙 Runway 宣布 Gen-1 和 Gen-2 完全开放，可以免费注册尝试
7月24日，Runway 宣布 Gen-1 和 Gen-2 已经完全开放，任何人都可以注册一个账号免费尝试。需要说明的是，Gen-1 和 Gen-2 是 Runway 研发的两代AI生成系统：
Gen-1是第一代系统，可以实现各种图像到图像、文本到图像等生成任务，如文字换脸、视频背景替换等 Gen-2是新一代系统，实现了文本到视频的生成，只需要文本描述就可以生成逼真的视频，并且图像生成质量也有了大幅度提高，可以生成更高分辨率和更逼真的图片 ⋙ Runway官网
烙 Stability AI推出最新图像生成模型 SDXL 1.0，免费在线试玩
在线试玩：https://clipdrop.co/stable-diffusion
7月27日，Stability AI 宣布推出最新的图像生成模型 Stable Diffusion XL 1.0，开源版本可在 GitHub 上获取。
Stable Diffusion 是目前全球使用最广泛的开源文生图模型。本次推出的 Stable Diffusion XL 1.0，是对早期 SDXL 0.9、SDXL Beta 和流行的 V1.5 模型的改进，也是当前图像生成领域最好的开源模型。
如图所示，SDXL 基础模型的性能明显优于之前的变体，并且与细化模块相结合的模型实现了最佳的整体性能 ⋙ 公告 | GitHub
烙 AI视频创作十八法，超级工具合集让你轻松创作各种形式的视频！
目前，使用AI技术生成视频的工具已经非常多了！这篇文章总结了当前的18种主流方法，并附上了相关教程，非常全面了~
方法一：图片转视频双雄
Runway Midjourney
方法二：文字生成视频三强
Runway Gen-2 Pikalabs Zeroscope
方法三：使用Midjourney图片生成视频
制作3D全景视频 利用变形功能制作视频 使用Pan功能生成视频 使用Zoom Out功能制作一镜到底视频
方法四：使用其他AI软件创作视频
Runway frame interpolation Genmo Wonder Studio Stable Diffusion Gen-1 ControlNet Kaiber Deforum Colab ⋙ 今说新语
烙 Llama 2微调的极速指南，制作对话摘要生成器
这是一篇极速操作指南，结合代码案例演示了如何使用 Hugging Face 库对 Llama 2 模型进行微调 (fine-tuning)，使其成为一个对话摘要生成器，对于 Llama 模型的实际使用具有很好的参考价值。
Download the model：通过 clone Llama 的 inference repo 来下载 Llama 2 的7B模型，并组织好目录结构，准备接下来的转换和训练；这一步获取了基础的Llama 2模型 Convert model to Hugging Face format：使用提供的转换脚本，将原始的 Llama 2 模型转换为 Hugging Face 的格式，方便后续通过 Hugging Face 的 API 进行微调；这一步实现了模型格式的转换，为 fine-tuning 做好了准备 Run the fine-tuning notebook：基于 Hugging Face 的 transformers 库，作者编写了一个 nNotebook，内含了数据集准备、模型加载、设置训练参数等代码，可以直接运行进行对话摘要任务的微调；这一步完成了对话摘要模型的训练 Run inference on your fine-tuned model：由于 Hugging Face 仅保存 adapter 权重，所以需要将经过微调的权重加载到完整 Llama 2 模型中，然后就可以进行推理和生成对话摘要了；这一步实现了利用微调过的模型进行下游任务 ⋙ @Sam L’Huillier
烙 AI让我变强了！也让我更忙了……
这篇文章的观点很有意思！AI技术和产品的爆发，非但不会取代人类员工，反而会赋能人类，提升工作效率和产出。BUT！个人效率的提升可能会导致企业的进一步压榨。整理下文章核心要点：
变化，不是替代
历史上，被认为会取代人类的新技术，往往只是改变并增强了人类，AI也将是如此
AI在工作中的应用
AI可以增强各个团队的工作效率和产出，例如市场营销、销售、支持、产品和工程等 AI释放人力去处理更复杂和关键的问题，也能使游戏的员工更出色
故事将走向何方
AI提高个人效率的结果，可能是公司对员工劳动力的进一步压榨；但这是企业文化的问题，而不是AI技术本身的问题 AI浪潮提高了对员工能力和产出的期待，员工需要积极适应变化，并随着时代一起成长 ⋙ 阅读原文
烙 Nijijourney官方AI绘画课程，艺术修养与绘画理论必修课
Niji 官方最近推出了系列免费的绘画课程 Niji Academy ，将艺术基础与AI技术相结合，补上绘制一张优秀图像所需要的绘画历史、审美熏陶、基础理论等「必修课」，带领读者丝滑进入艺术的领域。
抄写别人已经写好的提示词再缝缝补补，很难真的学会AI绘画。只有见过足够多美的、好看的东西，掌握最基本的原理与基础，才能自己绘制出美图。
目前官网更新了两节课程，但是只有英语和日语版本。幸好！歸藏进行了内容翻译，链接一并附上！一起来刷课呀！
01测量和抽象的基础知识：绘制一切的理论
https://sizigi.notion.site/Lesson-1-Fundamentals-of-Measurement-and-Abstraction-The-Theory-of-How-to-Draw-Everything-0833708fbe044f6a9f37d4357d25f32e
一切之理论 (为何一切都是美) ：这部分讲述了为什么左图不是「真正的艺术」，右图又为什么「无聊」，提出要找到一个包罗万象的艺术理论 为什么它值得在博物馆里展出？ 这部分通过比较乔托的画作和同期的文学作品，说明语言是组织口头信息，艺术是组织视觉信息；当一个想法被良好传达时，不管传达方式，美都会涌现 意外的文艺复兴：这部分提到了一个reddit社区，探索具有古典感觉的各种艺术作品，说明组织概念对各种媒介都适用 视觉抽象：这部分通过对句子进行逐步抽象来说明抽象的过程，并给出抽象程度不同的图像例子，说明艺术家需要给予观众足够信息，让他们自己想象 说服观众相信真相：这部分比较了现实主义和抽象主义这两种辩证方式，以及它们之间的恐怖谷效应 那么对于超抽象的东西呢：这部分分析了超抽象艺术难以理解的两个原因,并说明不要过于关注风格,应该学习组织视觉信息的方式 ⋙ 中文学习笔记
02 终结者（线）
https://sizigi.notion.site/Lesson-2-The-Terminator-Line-459ceabed46c42fb9b9eeebb8df57354
建立视觉层级：这部分举了拉斐尔的画作为例子，说明使用简单和复杂的区域驱动观看者的视线，形成焦点 当你有不止一个焦点时会发生什么? 这部分给出了两个焦点竞争视觉优先级的例子，说明焦点的相对层级关系 当你没有焦点时会发生什么? 这部分给出一个没有焦点的博斯画作为反例，解释这样的画需要仔细观看才能理解 全能的明暗交界线：这部分介绍了使用明暗交界线来组织图像的方法，在亮和暗两个区域划分细节 边缘光，终极明暗交界线：这部分展示了边缘光效果作为明暗交界线应用的极致形式 控制细节的层次：这部分总结了组织图像的第一步是划分光和影，一切都始于光和影的划分，你可以从明暗交界线看到整个画面 ⋙ 中文学习笔记
烙 The Document is All You Need！一站式 LLM 底层技术原理入门指南
这是一篇非常「硬核」的飞书文档，面向非科班出身但想要了解AI技术原理的受众，帮助实现零基础入门大语言模型 (Large Language Mode, LLM) 底层技术原理。
文档从浅到深，覆盖了非常多内容细节，并在持续更新 LLM 最新技术进展及相关原理！如果你对ChatGPT等大语言模型感兴趣、希望入门了解大语言模型这件事、想知道这个世界上正在发生什么，那这篇文档值得放入你的收藏夹~
Introduction：人工智能概述 入门 | 多层感知器 Multiple-Layer Perceiver， MLP 入门 | 卷积神经网络 Convolutional Neural Network， CNN 入门 | 循环神经网络 Recurrent Neural Networks， RINNS 入门 | 强化学习 Reinforcement Learning， RL 入门 | 自然语言处理与语言模型 NLP & LanguageModeI， LM 开始进入正题！seq2seq模型与注意力机制 Attention！ (2014) RNN 时代的 BERT 和 GPT！Semi-Supervised Sequence Learning：怎么用大量无标注样本去做自监督学习？ (2015) 欢迎来到芝麻街家族！图解ELMo：Embedding的新纪元 (2018.2) Attention is All You Need！大语言模型的基石 Transfoormer (2017) ULM-FiT 与多任务学习 Multitask Learning：NLP的 ImageNet 时刻 (2018.5) 它来了它来了，终于等到你！大篇幅详解 GPT，GPT-2 与 GPT3 预训练语言模型的新范式：Prompting！ 为什么它诞生之初远比 GPT 出风头？图解芝麻街家族新员BIERT！(2018.10) 回看波澜壮阔的语言模型乃至 NLP 的发展史！ ⋙ 飞书文档
感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！
◉ 点击 日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！
◉ 点击 生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！
参考阅读
您阅读本篇文章共花了：
发表评论