近期，ControlNet 在可控性方面，实现了极大的突破，你能更进一步约束AI来按照你的意愿画图了。而可控性带来的是更广阔的商业空间，是绘画领域从业者更进一步的工作重构。

 

上面的例子分别是，基于人物姿态生成图片，基于轮廓精准绘制，基于线段检测绘图。事实上还有更多的例子我没有放，例如基于深度图，基于法线贴图生成3D图片，基于涂鸦，基于色块等。

GitHub原文地址：https://github.com/lllyasviel/ControlNet#readme

 

第二，这种突破的意义到底是什么



如上图所示，纵向为某个图片细分领域的市场规模，横向为这类图片创作出来所需要的可控条件限制。

整个图像领域，随着图像的创作条件更具限制，他的商业价值就会更高，就会更需要画师、设计师二次手工介入。

而Diffusion可控性的提升，就是在将整个市场格局往右上角推进：一方面，画师舒适区会逐步缩减，他们需要更深度调整自己的工作流程；另一方面，可控性的提升导致图像生成从C端进入B端，而B端的商业空间肯定比C端更大。同时产生商业影响+从业者影响的突破，怎么能不重视呢。

内容中包含的图片若涉及版权问题，请及时与我们联系删除