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

本文来自微信公众号：量子位 （ID：QbitAI），作者：萧箫

---

本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/698/422.htm]