玩 AI 製圖，玩咗個幾星期

早前喺 HN 見到關於 DALL-E 嘅 blog post，講用 AI 製圖擺囉個 blog 度。咁啱(?)我有堆冇人睇嘅文，有時想搵啲圖嚟襯托下，但又懶得自己整，就心諗不如又試下。

然後發現 DALL-E 係 closed beta，又話驚 deep fake 呢樣嗰樣，俾錢都冇得用 (要等佢皇恩浩蕩賜你access)。 不過既然有咗呢啲技術，坊間類近嘅軟件同服務其實都唔少。呢幾日嚟，搵到呢啲：

• https://www.craiyon.com/
• https://www.midjourney.com/
• https://neuralblender.com/

Online services 應該仲有其他，不過呢幾個做得比較好啲。另外喺 github (同 google collab notebooks) 搵到勁多可以自己用嘅 github project：

1. https://www.reddit.com/user/Wiskkey/comments/p2j673/list_part_created_on_august_11_2021/
2. https://github.com/nerdyrodent/VQGAN-CLIP
3. https://github.com/nerdyrodent/CLIP-Guided-Diffusion/
4. https://github.com/mehdidc/feed_forward_vqgan_clip
5. https://github.com/openai/glide-text2im
6. https://github.com/alembics/disco-diffusion

另外有個似乎就嚟 public release 嘅 project： https://stability.ai/ ( https://github.com/CompVis/stable-diffusion )

先講過程。頭幾日試咗幾個 online service，製圖最靚嘅係 midjourney.com 。由於 midjourney.com 嘅玩法係要上 discord ，然後所有輸出嘅圖都係公開，所以一路玩一路見到其他人嘅「製成品」。正所謂「隔籬飯香」，我就 post 下我見到人哋整得靚嘅圖啦：

我覺得呢個最屈機。咩叫隔籬飯香呢？我自己整就變成咁：

midjourney 個 AI 最勁就係精細像真但又有啲夢幻氣質嘅圖，例如呢啲：

真係好靚㗎。（所以小心啲，好易一玩就沉迷落去唔見咗幾個鐘。）咁我主要就係想喺個 blog 度 gen 圖，所以啲見得人嘅製成品喺度： https://hnfong.github.io/public-crap/ —— 唔係篇篇文都有，不過呢兩年嘅文大概一半都有張配圖，應該係。

每一張圖要用好幾分鐘去 gen，gen 完仲要揀 (同影完相之後揀相差唔多感覺)、要等佢 upscale。好多時，因為個 AI model 本身可能未見過某啲題材，或者認得唔好，試幾次都 gen 唔到理想嘅圖象，咁就冇咗半個鐘 (同埋一堆 GPU credits)。從效率嚟講，唔算好高效率，暫時嚟講，想快速配圖嘅話，都係買傳統 stock photos 比較化算。

我玩咗兩三晚就放棄咗為 blog 配圖呢個用法，轉移咗去試另一種配圖用法：詞典嘅配圖。

由於上述嘅 online services 收錢之餘又冇咩方便嘅 API，質素唔錯但好多時啲細節有待微調，我就索性攞 github 嗰啲 projects 嚟玩。作為一個 machine learning 嘅超級新手，本身以為 setup 會勁煩。但落手一試，卻發現實際體驗都唔算太差（尤其係如果你識得喺 github 度搵啲幫你執靚咗嘅 fork)。

我喺 AWS 度租咗一個有 vGPU 嘅機，裝咗 Ubuntu 落去，然後就照住裝，都玩得幾開心。最後喺我個 use case 入面最可取嘅 model 係呢個：https://github.com/openai/glide-text2im  佢 gen 嘅圖冇 midjourney 嗰啲咁令人驚艷，但總括嚟講最「像真」(同埋相對快手，一分鐘內可以整到張圖出嚟)，係衰在有少少矇。（另外佢為咗「防止個model俾濫用」淨係公開咗一個唔認得人嘅model，所以啲同人有關嘅嘢例如「朋友」、「老師」都肯定 gen 唔到嘢出嚟)

結果大概係咁。整咗兩百幾個 entry，但未完成「揀相」，最後都係 labor intensive 嘅工作嚟....

另外都試咗 VQGAN-CLIP 嗰堆，雖然啲結果同實物都好「神似」，但完全唔夠「像真」。本身以為 disco-diffusion 集各家之大成應該有啲睇頭，但我玩咗成個 weekend 完全駕馭唔到佢，可能佢「畫畫」唔錯啦，但流於「抽象派」。另外佢原本個 github 竟然係一個幾千行嘅 python file，又冇啲合理嘅 requirements.txt。望住佢啞咗，好彩搵到個 fork 幫佢執返靚啲 code 同 setup instructions⋯

一路發掘一路覺得啲嘢日新月異，好有廿幾年前做 software development 嗰種「等多半年啲嘢肯定勁好多」嘅感覺。啲人成日話「科技日新月異」，有時講得多大家就唔會認真審視呢句仲係咪真 （我認為資訊科技大部份範疇都已經唔係咁，啲人話咩追新科技追唔切係呃鳩你㗎咋），但 AI 嚟講就肯定係。2021 同 2022 發佈嘅嘢用起上嚟有明顯嘅分別。我未得閒玩 text generation (GPT 嗰堆)，但斷估情況都類近。尤其早前有個被炒嘅 Google 員工話個 AI 有意識，大部份人嗤之以鼻，但我覺得其實真係幾震撼⋯

話時話，我亂咁搵 paper, github repo 嗰陣，留意到 AI 範疇似乎相對比較多女性 (比起傳統 IT9 範疇嚟講)，都係個幾好嘅現像嚟。