ControlNet 艺术二维码：画出可扫码插画，内容链接任意指定
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI
一组神秘的“虚拟老婆”照片，最近在国内外社交媒体上传疯了。
怎么回事？
试着用手机扫一下，就能发现其中的玄机——
原来这些看起来颇为自然的照片，都是藏了二维码的图像。它们不仅能被手机相机识别，跳转的网站还都是有效的：
从推特到Reddit，每隔几条就能刷出这些二维码照片，下面全是一片“竟然扫出来了”的惊叹声。
最关键的是，这些照片并非手动绘制，而是用Stable Diffusion生成的，背后再一次加持了神奇的ControlNet魔法。
生成的二维码图像风格，也远非只有二次元虚拟人像这一种，一起来看看~
8种图像风格任意可选
除了上述的二次元插（lao）画（po）风格以外，作者们还展示了另外8种二维码图像的生成效果。
这是立体风格的二维码图像，看起来就像一张真正的城市照片一般：
有网友感叹，简直可以在物理世界中构造一个真的二维码城市了：
甚至它只能在特定的地点、特定的日子、特定的时间被扫出来，有寻宝游戏内味了。
这类立体作品不仅细节可控（如更多的草木植被），还可以改变风格，生成更具机械感的科幻二维码图像：
3D城市看得不过瘾，还有2D抽象风格的作品，数据都藏在小房子里了：
除此之外，二维码还能被融入中国传统纹样风格中，或是被巧妙放置在瓷器或壁画一类的装饰物里：
更具艺术性的水墨风格也能hold住，无缝衔接画作笔迹：
又或是这种水彩风格的画作：
日式的浮世绘风格也没问题：
还能嵌进PCB风格图像里，以后电路板要找售后，直接扫码就行（doge）：
显然，除了二维码图像可控，模型就连插画风格都能很好地控制。
这背后究竟是依靠什么技术实现的？
LoRA和ControlNet齐出动
要想实现这种图像风格+二维码可控的效果，需要Stable Diffusion结合LoRA和ControlNet一起实现。
其中，LoRA负责控制整体的图像风格，ControlNet则负责确保二维码“放进”了图像中。
LoRA全称Low-Rank Adaptation of Large Language Models，能很好地实现少样本学习，从而对Stable Diffusion的图像风格生成进行更精准的控制。
换而言之，最少只需要几十张同种风格的图片，就能训练一个LoRA，用来调教Stable Diffusion生成的效果。
目前，比较有特色的如中国传统风格和浮世绘风格的图像，作者们都已经在Civitai和Hugging Face等平台上开源了对应的LoRA模型。
像浮世绘风格LoRA模型，就已经可以在Civitai上直接下载：
训练这样一个浮世绘风格的LoRA模型，并不需要很多照片，像这个模型就只用了46幅葛饰北斋《富岳三十六景（追加十景）》的浮世绘。
风格变化更加多样的，如生成不同中国传统纹样的图片，也只需要近百张图片训练：
就可以得到能画出不同纹样的LoRA模型：
QR Code ControlNet则是作者们新训练的一个二维码图像生成专用ControlNet模型，目前还在不断优化中。
作者们尝试了不同的Stable Diffusion Checkpoint、LoRA和QR Code ControlNet的组合，生成了上面这些二维码图像的效果。
值得一提的是，结合最近的PS新出的Generative Fill功能，这些二维码还能被很好地嵌进一大块AI生成图像中：
有网友调侃，未来就连广告也会变得更好看了。
作者介绍
制作这个二维码生成项目的作者一共有四位，分别来自中国传媒大学和北京航空航天大学。
其中，倪豪和陈柏宇是中国传媒大学大四本科生，王照涵是中国传媒大学一年级研究生，陈智勇是北京航空航天大学大四本科生。
在这次的AI二维码图像生成项目前，倪豪和陈智勇就已经做出过一个参数化二维码生成器，不过主要采用的还是图形学方面的技术。
据倪豪介绍，他们之前的研究方向主要集中在图形学和交互艺术上，随着这段时间AIGC爆火，团队也对这方面的技术产生了兴趣。
这段时间里，他们开发了不少不同风格的LoRA模型，以及可控制光影的ControNet等，目前模型也都已经放在Civitai上。
团队表示，目前这个二维码图像生成模型还在持续优化中，后续如果有更多的进展更新，也会同步到这个网站上。
可以码住期待一波了~
团队已开发的AI模型：
https://aigc.ioclab.com/index.html
参考链接：
[1]更多二维码效果展示：https://mp.weixin.qq.com/s/i4WR5ULH1ZZYl8Watf3EPw
[2]https://www.reddit.com/r/StableDiffusion/comments/141hg9x/controlnet_for_qr_code/
[3]https://twitter.com/dahbiahmed/status/1665778398084431872
关注公众号【机器学习与AI生成创作】，更多精彩等你来读：
深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！
经典GAN不得不读：StyleGAN
戳我，查看GAN的系列专辑~！
一顿午饭外卖，成为CV视觉的前沿弄潮儿！
最新最全100篇汇总！生成扩散模型Diffusion Models
ECCV2022 | 生成对抗网络GAN部分论文汇总
CVPR 2022 | 25+方向、最新50篇GAN论文
ICCV 2021 | 35个主题GAN论文汇总
超110篇！CVPR 2021最全GAN论文梳理
超100篇！CVPR 2020最全GAN论文梳理
拆解组新的GAN：解耦表征MixNMatch
StarGAN第2版：多域多样性图像生成
附下载 | 《可解释的机器学习》中文版
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 |《计算机视觉中的数学方法》分享
《基于深度学习的表面缺陷检测方法综述》
《零样本图像分类综述: 十年进展》
《基于深度神经网络的少样本学习综述》
《礼记·学记》有云：独学而无友，则孤陋而寡闻
点击 一顿午饭外卖，成为CV视觉的前沿弄潮儿！，领取优惠券，加入 AI生成创作与计算机视觉 知识星球！