随机渐变生成方法(2024)

Hacker News Top 工具

摘要

本文描述了生成随机渐变图像的多种方法,包括高度图、分层径向技术和AI生成方法,并提供了OpenAI视觉标识的历史背景。

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/09/07 21:33

# 随机渐变生成方法 来源:https://justinjay.wang/methods-for-random-gradients/ 发布于 2024年11月19日 多年来——包括在 OpenAI 工作期间——我尝试了多种生成随机渐变图像的方法。这些方法包括: 1. 高度图(https://justinjay.wang/methods-for-random-gradients/#heightmap) 2. 分层径向渐变(https://justinjay.wang/methods-for-random-gradients/#layered-radial) 3. AI 生成(https://justinjay.wang/methods-for-random-gradients/#ai-generated) --- ## 高度图 随机生成的渐变是 OpenAI 早期视觉识别的核心元素之一,由 Ben Barry(https://benbarry.com/)于 2017 年设计。他最初的生成器(https://www.instagram.com/p/BTcLdjGhFLY/)会随机选取四个角的颜色并进行插值混合。2018 年我加入 OpenAI 后,开始探索更多通过编程创建渐变的方式。一位工程师朋友建议使用高度图(https://en.wikipedia.org/wiki/Heightmap):由单元格组成的网格,每个单元格包含一个 0 到 1 之间的高度值。我用 Processing(https://processing.org/)实现了一套方案,采用随机化的噪声生成(一种改进并平滑过的 Perlin 噪声(https://en.wikipedia.org/wiki/Perlin_noise))来填充高度值。 平滑的 Perlin 噪声高度图。 高度图通常以灰度图像呈现,将值映射到简单的黑白渐变色阶,值越低颜色越暗,值越高颜色越亮。 简单的黑白渐变色阶。 但我们可以为这些值应用任何色阶。通过创建不同位置、色相、饱和度和亮度的色标,再进行平滑插值混合,我生成了随机化的色阶。 随机化并混合的色阶。 将所有步骤结合,我把这些随机色阶映射到随机高度图上,形成了有机而引人注目的渐变。虽然这些渐变不太符合 OpenAI 的视觉定位因此未投入生产,但它们依然赏心悦目。 --- ## 分层径向渐变 2019 年初,OpenAI 的主页展示了一个充满活力的全屏渐变。实现方式很简单:一张微小的 2×3 像素图像,包含六个色标,由浏览器放大后产生平滑渐变效果。它仅重 85 字节(约等于一小段文本的大小),几乎瞬间加载完成。 2019 至 2020 年 openai.com 使用的静态渐变。 虽然高效巧妙,但该渐变是静态的。大约一年后,我开发了一种基于可缩放矢量图形(SVG)的渐变实现方案,可以在保持性能的同时动态随机化。SVG 包含原生的 <radialGradient>(https://developer.mozilla.org/en-US/docs/Web/SVG/Element/radialGradient)元素,用于定义包含色标的径向渐变。通过调整焦点并应用缩放、旋转、倾斜和位移等变换,可以增加多样性和视觉趣味。 基础 SVG 径向渐变,采用不同的焦点和变换。 叠加一系列随机变换的径向渐变,可形成更复杂的复合渐变。2020 年初 OpenAI 的主页就使用了从四种颜色中选取的分层径向渐变。每次页面加载都会为每位访客动态生成独一无二的渐变效果。 2020 至 2022 年 openai.com 使用的动态分层径向渐变。 下图展示了该方案的一些示例。每张 SVG 图像都能无限缩放且不损失质量,并且仅重约 6 KB(相当于一篇小文档的大小),从而保持高性能。多年来,我经常用这种方法为 OpenAI 品牌的各种应用场景生成渐变——无论是丰富多彩还是柔和微妙,明亮还是深沉。 --- ## AI 生成 AI 图像生成模型在 Ben 和我最初尝试渐变时尚不存在,如今却打开了无限可能。虽然使用过程可能具有不确定性——更像玩老虎机而非精确科学——但它们提供了令人兴奋的机遇,而且技术和工具仍在不断进步。以下我展示三个使用 OpenAI 的 DALL·E 2 模型(自 2022 年 4 月发布以来我一直很喜爱)生成纹理渐变图像的概念验证。 若要探索空灵梦幻的风格,可使用如下提示词: > 柔和抽象的渐变,色彩鲜艳且过渡模糊,营造宁静梦幻的氛围 若想采用更粗犷纹理的花卉方向,可使用类似提示: > 抽象花卉微距摄影,风格类似中期色域绘画,朦胧模糊 若追求自然舒缓的天空灵感渐变,可使用提示: > 明亮朦胧的日落天空插画,模糊失焦,富有动感,35 毫米胶片质感,轮廓多变,色彩鲜艳明亮,充满乐观情绪,光谱丰富 除裁剪外,所示图像均为原始未经编辑的输出。结果可能出人意料却令人愉悦。多玩几次这台“老虎机”,总能获得回报。借助 DALL·E 2 这样的工具,约束反而激发了创造力。我在此展示了三个方向,但可能性无穷无尽。

相似文章

梯度平滑:耦合逐层更新以改进优化

arXiv cs.LG

介绍了深度方向梯度增强(Depth-wise Gradient Augmentation),这是一种通用的优化范式,沿着深度维度转换块级优化器更新。该方法,即梯度平滑(Gradient Smoothing),提升了包括Transformer和扩散模型在内的多种架构的优化和泛化性能。

域随机化与生成模型在机器人抓取中的应用

OpenAI Blog

# 域随机化与生成模型在机器人抓取中的应用 来源:[https://openai.com/index/domain-randomization-and-generative-models-for-robotic-grasping/](https://openai.com/index/domain-randomization-and-generative-models-for-robotic-grasping/) ## 摘要 基于深度学习的机器人抓取在算法改进和数据可用性增加的推动下取得了重大进展。然而,最先进的模型往往仅在数百或数千个未