前段時(shí)間，人類(lèi)藝術(shù)家們?cè)?Instagram 上發(fā)起#artbyhumans運(yùn)動(dòng)，抵制 AI 作畫(huà)，“影響藝術(shù)家收入”、“AI 在藝術(shù)作品里抓取再拼貼”……不知當(dāng)他們看完 AI 畫(huà)出來(lái)的手后，會(huì)不會(huì)稍微松口氣？

AI 畫(huà)“手”｜Medium

(相關(guān)資料圖)

因?yàn)橄胂罅蛣?chuàng)造力，AI 被吹捧上天，但不可忽視的是，它們畫(huà)出來(lái)的手如此笨拙、怪異，像驚悚電影里的道具。

網(wǎng)上流傳著這樣的梗圖，調(diào)侃 AI 的繪畫(huà)功底。

“怎么辨別這是 AI 畫(huà)的？看手就行了?！保黅witter

那么，為什么 AI 畫(huà)不好手？

有一說(shuō)一，手是真的很難畫(huà)啊！

別說(shuō) AI，人類(lèi)自己都不一定能把手畫(huà)明白。

荷蘭藝術(shù)家埃舍爾（M.C. Escher）在 1948 年創(chuàng)作過(guò)一幅石版畫(huà)，名字就叫 Drawing Hands（畫(huà)手）。畫(huà)面中，兩只手通過(guò)畫(huà)筆彼此相連，“一只手創(chuàng)造了另一只，而另一只又創(chuàng)造了第一只”，這種矛盾恰恰表達(dá)出了：人們想要描繪出兩只動(dòng)態(tài)的手有多難。

Drawing Hands｜Wikipedia

如果再搜一搜，你會(huì)發(fā)現(xiàn)“畫(huà)不好手”是一個(gè)困擾全球畫(huà)師的難題。插畫(huà)家 Anna Daviscourt 寫(xiě)道：“畫(huà)手是最有表現(xiàn)力，最復(fù)雜，解剖學(xué)程度精細(xì)的工程。”

還有人把問(wèn)題拋給了 AI 的“自家人”——ChatGPT。

ChatGPT 答道：“手是由許多小骨頭、肌肉和肌腱組成的，所有這些都必須被準(zhǔn)確描繪出來(lái)才行。此外，手的位置也很難表達(dá)，因?yàn)樗鼈儾粩嘣谶\(yùn)動(dòng)狀態(tài)中。因?yàn)檫@些困難，許多藝術(shù)家發(fā)現(xiàn)，手部繪畫(huà)是他們技藝中最令人沮喪和最具挑戰(zhàn)性的方面之一?！?/p>

ChatGPT 的解答

手的復(fù)雜性不僅僅在于它本身就有很多個(gè)關(guān)節(jié)、折痕等微小卻關(guān)鍵的細(xì)節(jié)，還在于手每動(dòng)一下，原有的關(guān)節(jié)都會(huì)變得不同。

有人還真數(shù)過(guò)，從手指的長(zhǎng)寬度，到掌骨與腕關(guān)節(jié)，一只手大概就有 30 個(gè)幾何變化點(diǎn)，這還不包括手掌的陰影與褶皺的變化。

圖源：GIPHY

如果你仔細(xì)觀察的話(huà)，會(huì)發(fā)現(xiàn)大多數(shù)卡通人物的手都只有 4 個(gè)指頭（三個(gè)手指和一個(gè)大拇指），因?yàn)樵趧?dòng)畫(huà)流程制作繁復(fù)的早期，少畫(huà)一根手指省時(shí)省力，還省錢(qián)！迪士尼曾透露過(guò)，少畫(huà) 1 根手指為公司節(jié)省過(guò)上百萬(wàn)美金。

比起面部，手并沒(méi)有那么多可供 AI 學(xué)習(xí)的樣本

AI 在“創(chuàng)造”藝術(shù)時(shí)并沒(méi)有邏輯思維，它并不知道這里或者那里“應(yīng)該”有什么，只能先接收人類(lèi)的指令，再與系統(tǒng)內(nèi)的訓(xùn)練庫(kù)進(jìn)行比照，用生成的圖像盡可能回答“what is this”（這是什么），而非“why is this”（為什么是這個(gè)）。

所以，你要想生成更加精準(zhǔn)的圖像，比如一頭栩栩如生的小豬，就要給 AI 足夠具體的指令。

指定提示詞前后，AI 畫(huà)出的小豬對(duì)比｜itpedia

但這還遠(yuǎn)遠(yuǎn)不夠，人們要想 AI 畫(huà)得精準(zhǔn)，還要提供足夠豐富的真實(shí)圖像標(biāo)注，讓 AI 學(xué)習(xí)。

手這個(gè)復(fù)雜幾何形狀，意味著沒(méi)有通用的線(xiàn)條或形狀集合，可供 AI 識(shí)別手。所以，AI 必須結(jié)合許多不同的形狀、組合來(lái)畫(huà)出令人信服的手。

而為什么 AI 總是把手畫(huà)殘，恰恰是因?yàn)闆](méi)有充足的參照物。

知乎上有網(wǎng)友這樣解答：“一張圖片上，手往往占的面積很小，經(jīng)常被遮擋和半遮擋，導(dǎo)致手部所占像素較少細(xì)節(jié)不夠。而且，手部的標(biāo)注是要準(zhǔn)確標(biāo)注手掌、拇指、食指、中指、無(wú)名指和小拇指才可以，這部分的工作算法很難自動(dòng)化，需要人類(lèi)來(lái)完成，這就大大增加了成本?！?/p>

一只手，應(yīng)該被正確標(biāo)注出的部分（右上）｜知乎

這可不是極個(gè)別情況，如果把人類(lèi)的臉變成像手一樣復(fù)雜的動(dòng)態(tài)結(jié)構(gòu)，AI 也同樣畫(huà)不明白。

在我們的臉上，唯一能活動(dòng)的關(guān)節(jié)是顳頜關(guān)節(jié)，在一些二次元作品中，還常常弱化這個(gè)關(guān)節(jié)的存在。但如果我們的面部變得足夠“靈活”，比如，鼻子可伸縮，舌頭能打結(jié)，那 AI 肯定也會(huì)犯難。

還有一個(gè)讓“AI 畫(huà)不好手”傳播開(kāi)來(lái)的原因，那就是：手一旦畫(huà)錯(cuò)，真的是很明顯?。?/strong>

如果 AI 創(chuàng)造了一個(gè)比例不太對(duì)的肩膀，我們一般不會(huì)注意到畫(huà)面中這個(gè)人的肩膀窄了百分之五。但如果他們的拇指、食指、中指、無(wú)名指和小指都比平均水平小一點(diǎn)，那就容易顯得奇怪了。

這是受到人的固有感知影響。心理學(xué)有一個(gè)理論叫做“撒切爾效應(yīng)”，1980 年由約克大學(xué)心理學(xué)教授彼得·湯普提出，當(dāng)時(shí)他以撒切爾夫人的畫(huà)像作例。

撒切爾效應(yīng)｜Wikipedia

我們第一眼能看出什么？右圖的眼睛與嘴巴被上下顛倒了。你需要更仔細(xì)才能看出，左圖的五官實(shí)際上也是錯(cuò)位的。

也就是說(shuō)，錯(cuò)位發(fā)生在正立的臉上很容易露餡，但發(fā)生在倒立的臉上就能騙過(guò)人。因?yàn)槲覀兤饺绽锖茈y見(jiàn)到倒立的臉，難以形成固有認(rèn)知，所以在你把屏幕旋轉(zhuǎn)過(guò)來(lái)之前，很難看出不同。

而我們對(duì)手部太熟悉了，感知格外敏感。

AI 創(chuàng)作的“手”｜Gagadget

教會(huì) AI 畫(huà)手，有啥方法嗎？

不得不說(shuō)，人類(lèi)在提升 AI 畫(huà)技方面，也是“卷”得孜孜不倦。

今年初，一個(gè)叫“ControlNet”的新 AI 插件在 GitHub 上爆火，如今已收獲超過(guò) 10k 星。

簡(jiǎn)單來(lái)說(shuō)，這個(gè)插件通過(guò)給 Stable Diffusion 這樣的 AI 作畫(huà)模型增加一個(gè)額外輸入，來(lái)優(yōu)化生成的細(xì)節(jié)，相當(dāng)于給 AI 創(chuàng)作加了一層 buff。

效果的確比之前過(guò)于抽象的手部創(chuàng)作靠譜了些，但如果仔細(xì)看的話(huà)，你還是會(huì)發(fā)現(xiàn)……咦，怎么一共有 6 個(gè)手指？

點(diǎn)開(kāi)放大，數(shù)數(shù)一共幾個(gè)手指｜Github

也有一些比較取巧的方法。比如，有人傳授經(jīng)驗(yàn)：要想讓 AI 畫(huà)出一只正常的手，你只需要告訴它“mittens”（手套）這一個(gè)詞，往往在有手套的圖片中，五個(gè)手指根根分明，且沒(méi)有什么特殊的手勢(shì)。

一雙手套｜Gagadget

或者告訴它“結(jié)婚戒指”、“指甲油”這兩個(gè)詞。AI 往往就能搜索到很多高清的手部照片，降低畫(huà)殘概率。

戒指或指甲油｜Gagadget

說(shuō)到底，這些都屬于一些幫助 AI 偷懶的小技巧，要論畫(huà)手的真實(shí)力，AI 還是咱們?nèi)祟?lèi)，都得好好學(xué)習(xí)??！

參考文獻(xiàn)

[1] https://www.thepaper.cn/newsDetail_forward_21992745

[2]https://www.pingwest.com/a/191335#:~:text=%E5%85%B3%E4%BA%8E%E8%BF%99%E4%B8%80%E7%82%B9%EF%BC%8C%E8%91%97%E5%90%8D%E7%9A%84,%E4%BA%BA%E4%BB%AC%E7%9C%8B%E5%BE%97%E6%9B%B4%E6%B8%85%E6%A5%9A%E3%80%82

[3]https://www.sciencefocus.com/future-technology/why-ai-generated-hands-are-the-stuff-of-nightmares-explained-by-a-scientist/

[4]https://bootcamp.uxdesign.cc/how-to-draw-hands-with-an-ai-image-generator-776ce3a814fe

一個(gè)AI