奇月 发自 凹非寺量子位 | 公众号 QbitAI
比PS更懂你的AI图片工具—— MagicQuill （魔法羽毛）来了！
1分钟出图：不用打字、简单勾画几笔就能图片。
还支持直接在iPad上在线！
研究团队来自香港科技大学、蚂蚁集团、浙江大学和香港大学等机构。
我们先一起看个例子感受一下——
有了MagicQuill，现在当你想要给人物更换衣服时，就可以直接画出领子，它会自动帮你补全。
加条项链、去除路人，几秒钟就搞定：
你还可以更换发色、让人物戴上花环，甚至更改花朵的颜色：
只需要1分钟多的时间，就可以实现上面这么多效果，尤其是对于想要快速修改照片的用户来说，简直太方便了！
还有更多有趣的例子，机器人、汽车、蛋糕等，都可以快速修改！
有多位网友评论说，AI图像真的进步飞快，“ 能读懂用户心思 ”是非常具有未来感的用户体验。
甚至还有网友说，颤抖吧，PS！
MagicQuill目标是理解精细修改意图
虽然目前AI图像工具是百花齐放，但想要实现精细，很多工具的效果还是比较令人捉急。
MagicQuill团队的目标是实现一个高效且精确的图像系统，能够在用户进行细微修改时提供更好的使用体验。
这不仅包括实现细粒度的图像控制、还要提供直观的用户界面、并实时预测用户意图。
最终团队选择基于扩散模型、文本和掩码的图像方法、以及多模态大型语言模型（MLLMs） 进行实现，并设计了简约实用的用户界面。
MagicQuill的具体构成
一起来看看MagicQuill系统的具体构成是什么样的。主要分为3个部分：
1.处理器
处理器采用 双分支架构 ，包括 内容感知修复分支 和 结构引导分支 。
内容感知修复分支利用UNet架构，结合掩码图像特征和预训练的扩散网络进行像素级修复。
结构引导分支则通过ControINet插入条件控制，确保操作的精确性。
2.绘画助手
绘画助手通过 多模态大型语言模型（MLLM） 实时预测用户意图。
具体的任务称为“Draw&Guess”，也就是通过图像上下文解释用户笔画并自动生成相关提示。
团队采用的数据集通过生成边缘图和模拟用户笔画进行构建，并使用LLaMA模型进行微调。
3.创意收集器
创意收集器为用户提供了一个简约直观的界面，它兼容多个平台，团队也提供了在线demo，你可以在电脑或iPad上直接使用！
界面主要包括提示区、工具栏、图层管理、主画布、生成图像预览区、执行按钮和参数调整区。
按钮设计非常简洁，有上传图片、“增加”画笔、“减少”画笔、改颜色画笔、橡皮等等。
下方的参数调整区域更适合有丰富的生图经验的专业人士：
比如在Base Model Name里，你可以选择不同的基础模型，有适合生成真实风格的SD1.5/realisticVisionV60B1_v51VAE.safetensors、适合生成幻想风格的SD1.5/DreamShaper.safetensors等。
你还可以调整Negative Prompt避免生成部分内容、还有Fine Edge精细边缘调整、Grow Size调整笔触大小等等。完整工作流程如下图所示。
实际效果怎样呢？
为了更准确地测试MagicQuill的具体效果，团队还设计了3个验证实验：
1.可控生成评估
将MagicQuill与四个基线方法（SmartEdit、SketchEdit、BrushNet及其组合）进行比较，评估处理器的可控生成能力，尤其关注边缘对齐和颜色保真度。
结果显示，MagicQuill的处理器在所有指标上均优于基线方法，具有更高的边缘对齐度和颜色保真度。
2.预测准确性评估
为了评估MagicQuill在模拟手绘输入下的 语义预测准确性 ，团队将它的绘画助手与三种最先进的MLLMs （LLaVA-1.5、LLaVA-Next、GPT-4o）进行了比较。
结果显示，绘画助手在所有测试的MLLMS中表现最佳，可以更准确地捕捉和预测用户绘图的语义含义。
3.创意收集器有效性评估
团队还通过用户研究评估了 创意收集器的效率和可用性 ，并比较了它与基线系统的差异。
用户研究结果显示，MagicQuill在所有评估维度上都显著优于基线系统，包括复杂性和效率、一致性和集成、易用性以及总体满意度4个方面。
看来体验过的用户反馈都不错呢！
未来工作
团队还表示，这将是一个长期的工作，未来他们的目标是 扩展系统功能 ，纳入更多的 类型 ，如基于参考的，这将允许用户使用外部图像指导修改。
他们还计划实现 分层图像生成 ，可以让更加灵活、支持更多复杂合成。
系统也会支持 排版 ，能够处理更多图像中的文本元素。
目前MagicQuill的代码、论文和Demo都已上线，感兴趣的小伙伴可以马上试用起来了！链接就在下方。
参考链接：https://magicquill.art/demo/
