关于插图生成 AI 的常见误解
目录
介绍
看推特，对于插画生成 AI 有很多误解。本文解释了关于插图生成 AI 的常见误解。
总的来说，人工智能不是万能药。最近成为热门话题的插图生成 AI 并不是完全自主地生成插图。需要人工干预才能使当前的 AI 生成有针对性的插图。
此外，人工智能使用一种非常复杂的机制来模仿人脑。插图生成 AI 更像是一个“小大脑”，而不是一个剪切和粘贴现有插图的系统。首先，人工智能是“人工智力它是“。
我试图尽可能地分解它，但人工智能是一个复杂的概念，所以如果很难理解，我很抱歉。作为适当的“参考”，发布了指向更详细文章的链接，因此如果您有兴趣，请同时参考。这篇文章很长，如果你有时间可以一点一点地阅读，我将不胜感激。
（我认为这也是 Twitter 上对 AI 有这么多误解和误解的原因之一……）
笔记
在我们进入主要部分之前，有一些警告。
首先，人工智能非常复杂，我还在学习。如果有任何错误，请留下评论或编辑请求。
关于插图生成AI，虽然有基于误解的不相关批评，但也有并非基于误解的合理批评。事实上，当前插画生成 AI 的某些部分应该受到批评也是事实。本文无意否认这些有效的批评。
本文还包含对法律部分的描述。我不是法律专家。虽然我写的是参考专家的评论，但请参考专家意见和司法判例来准确解释法律。
让我们进入主要部分。
AI 剪切和粘贴现有插图/拼贴画
不正确：AI 正在剪切和粘贴/拼贴现有插图。
正确：人工智能通过从无意义的噪音中去除噪音来生成插图。它与一般意义上的剪切和粘贴或拼贴完全不同。
评论
我看到诸如“AI剪切和粘贴现有插图”和“AI的插图是现有插图的拼贴”之类的意见，但它们是错误的。
如果说 AI 插图是剪贴和拼贴画，那么手绘插图也是拼贴画。详细是"AI插图是对现有插图的模仿另请参阅误解的解释。
现在，让我们谈谈人工智能是如何工作的。听到“人工智能通过从无意义的噪音中去除噪音来生成插图”可能会有点令人困惑。如果你从噪音中去除噪音，你就什么都没有了，对吧？好吧，我会解释的。
稳定扩散或者新颖的人工智能扩散最近的图像生成 AI 使用一种称为“扩散模型”的机制。扩散模型的工作原理如下。
- 准备图像并为其添加噪点
- 训练 AI 从噪声图像中推断出原始图像（去除噪声）
- 微不足道的噪声可以生成不存在的“原始图像”
如果我们将其与人类进行比较，它看起来像这样：
* 严格来说，在 AI 的情况下，既给出了有噪声的图像，也给出了原始图像。
- 插图在一些国家被禁止，现在只能看到马赛克插图
- 人们开始从马赛克插图开始想象原始插图
- 当人们看到一张看起来像马赛克插图但实际上没有意义的图像时，他们会尝试从该图像中想象插图。
这就是扩散模型的工作原理。
在插图生成AI中，我们给出一个句子“你想要什么样的插图？”称为提示（俗称咒语）。然后，人工智能将沿着句子生成一个插图。将其结合到前面的描述中，我们得到：
- 准备图像并为其添加噪点
- 训练 AI 从噪声图像中推断出原始图像（去除噪声）
- 鉴于无意义的噪声，现在可以生成不存在的“原始图像”。这时候，生成一张图片来逼近提示向量（稍后将详细介绍矢量）
这是一个人类的类比。
- 插图在一些国家被禁止，现在只能看到马赛克插图
- 人们开始从马赛克插图开始想象原始插图
- 向人们展示“看起来像马赛克插图但实际上毫无意义的图像”，告诉他们，“这是一个美丽的黑发女孩在海中玩耍的插图。”并尝试从该图像中想象一个长着毛耳朵的漂亮女孩的插图
从目前的解释中可以看出，插图生成AI并没有剪切和粘贴现有插图。它以更复杂的方式工作。
如果你想进一步了解它是如何工作的，我推荐这条推文。
最近画AI的进展很显着，希望更多的人能更进一步了解，所以我会出一个解释材料来说明它是如何工作的~（前几天技术书的内容）。我认为这是一个很好的技术，各个领域的人都可以跟踪，所以我希望他们对机制感兴趣。 (1/5)皮c。山雀河。这个 m/p7 是 BSY7 或 5
— 最大 (@minux302)2022 年 10 月 1 日参考：
- 图像生成AI“Stable Diffusion”如何从文本生成图像的详细说明 - GIGAZINE
- 最近讲的“扩散模型”小结——AI与安全总结
- DALL-E2和Stable Diffusion等扩散模型的工作原理，以及莫名其妙的
关于向量
向量通常用于 AI。它不是像 2D 或 3D 那样的关卡，而是更高维的向量。
在图像生成 AI 中，将学习数据的句子和图像分别转换为向量。这时，意思相近的句子和图像会有相似的向量，完全不同的事物会有完全不同的向量。
如果您生成的图像的矢量近似于提示文本的矢量，则可以生成遵循提示说明的图像。
严格来说，“剪切和粘贴”并没有错误
严格来说，“插画生成AI剪切和粘贴”这个说法并没有完全错误。然而，它与你想象的“剪切和粘贴”完全不同。
我认为很多人想象的剪切和粘贴是“AI将现有的插图分成不连贯的部分并组合起来”。这是错误的，实际上是剪切和粘贴抽象概念而不是具体部分。
概念的剪切和粘贴利用了矢量数学。 《【Python】如何使用Word2Vec-Qiita》一文中的例子很容易理解，所以我就从那里引用。
“日本”-“东京”+“首尔”=“韩国”
通过这种方式，向量允许我们执行概念计算。 AI 正在计算输入提示向量。
从计算提示向量的意义上说，AI 也确实是剪切和粘贴。但是，它不是一个具体的部分，而是一个剪贴的抽象概念。
人类绘制插图时，不会剪切和粘贴其他人的插图。但是，例如，当我画一个留着黑色长发的整洁女孩的插图时，我结合了“黑发”、“长发”、“整洁”和“女孩”的概念。
AI 类似，它不是剪切和粘贴其他人插图的具体部分，而是结合抽象概念生成插图。
插画生成AI中的“学习”就是让AI学习这个抽象的概念。
这样一来，“AI 是剪切粘贴”的说法并没有完全错误，但“不是剪切粘贴”在大多数人想象的意义上是正确的。
AI插图是对现有插图的模仿
不正确：AI 插图是对现有插图的模仿。
Tadashi：内部机制不同，但人工智能和人类都从他们过去看到的插图中学习（结合）。
评论
尽管内部机制的细节有所不同，但最近 AI 的底层思想是“模仿人脑的机制”。模拟人脑神经细胞的神经网络在人工智能中运行。根据使用此神经网络的位置和方式，可以将 AI 分为各种类型。
参考：什么是神经网络？ - 易于理解的含义 - IT Glossary e-Words
据说，当人类提出一个想法时，他们正在将“散布在大脑中”的记忆片段“连接在一起”。
参考：灵感和记忆的同一性 阐明大脑导致痴呆症治疗 | NHK 健康频道
另一方面，人工智能从所谓的图像特征量中学习来生成插图。 AI插图和人类绘制的插图只是我过去所见的组合。
读到这里的你们中的一些人可能会对被剥夺人类和他们自己的创造力的感觉感到冒犯。
很抱歉给您带来不便。然而，另一方面，重要的是要了解人类和人工智能都“学习”插图并结合他们过去看到的内容。
如果说人工智能插图是对现有插图的模仿，那么人类插图也是对现有插图的模仿。如果人类插图不是模仿，那么人工智能插图也不是模仿。
那么，人工智能与人类完全一样吗？内部工作的细节是不同的。此外，虽然人类可以利用他们漫长的一生中积累的所有经验，但人工智能只能从提供的数据中学习。不管AI和人脑有多么相似，到头来也只是人脑的退化版。目前....
（即使是降级版，也是模仿人脑的机制，如果AI插画是模仿，人类插画也可以是模仿。）
AI中不存在灵感
错误：人工智能没有灵感。
正确：人工智能也有灵感。
评论
首先，我们需要定义什么是顿悟。在这里，让我们说“创造以前从未存在过的东西，而不是模仿”。
如上一项所述，人类从过去所见的事物中学习，并以复杂的方式将它们结合起来以创造灵感。人工智能还从给定的数据中学习，并通过以复杂的方式组合它们来生成插图。
从这个意义上说，人工智能也能够激发灵感。但到目前为止，人工智能只在有数据的领域引发了火花。例如，插图领域受到数据的启发，但它不适用于没有数据的领域。
AI可以在特定领域产生火花，但不能泛化到其他领域发挥作用。这种类型的人工智能被称为“专业人工智能”。另一方面，不受领域限制的类人人工智能被称为“通用人工智能”。目前，通用人工智能还没有被发明出来。
为了保护人类插画师，我们应该创造一个可以区分AI绘制的插图的AI
错误：为了保护人类插画师，我们应该创造一个可以识别AI绘制的插图的AI。
正确：相反，它会产生相反的效果，所以我们不应该创建一个区分 AI 插图的系统。
评论
有点主观，比如“应该做”和“不应该做”，但我会讲“这种可能性是充分考虑的”。
既然 AI 可以生成高质量的插图，那么拥有一个可以识别 AI 插图的 AI 确实会很有用。
然而，这样的人工智能可能会适得其反。
AI有很多种类型，“GAN”就是其中之一。 GAN 可以分为生成图像的部分和区分生成的图像是真还是假的部分。机制是训练它们相互竞争，使前者可以生成后者无法区分的图像。
参考：GAN：什么是生成对抗网络？“无监督学习”的图像生成 - Eye Magazine | i Magazine | IS 杂志
最近的图像生成 AI 使用了一种称为“扩散模型”的机制，而不是 GAN。通过将此扩散模型与具有内置 AI 的 GAN 相结合，该 AI 可以区分 AI 生成的插图，可以创建故障更少的插图生成 AI。
如果发生这种情况，人类和 AI 都可能无法区分 AI 插图。
因此，即使在技术上可以拥有能够识别 AI 绘制的插图的 AI，但从保护创作者的角度来看会适得其反，因此不应创建它。
如果您创建一个可以识别 AI 绘制的插图的 AI，您最终将获得包含它的最强插图生成 AI。
AI生成的插图可以通过画质（分辨率）来区分
不正确：AI生成的插图可以通过画质（分辨率）来区分。
正确：部分正确，但仅以图像质量（分辨率）来判断是危险的。
评论
在这里，我们将图像质量解释为“分辨率”。
AI 生成的插图通常分辨率较低。这是因为在尝试生成高分辨率插图时处理变得过于繁重。目前，512px 是 AI 生成图像的主流。如果要 AI 生成 2048px 的图像，也就是 4 倍大，简单计算就需要 16 倍的性能（垂直 4 倍，水平 4 倍，4 x 4 = 16 倍）。
因此，如果您将AI生成的插图原样发布，您可以区分它，因为它是低分辨率的。
但是，实际上有一个 AI 可以提高分辨率。对典型的waifu2x或者真实 ESRGAN等等。这些 AI 可用于消除一些噪音并提高分辨率。这项技术被称为“超分辨率”。
不久前，一张使用稳定扩散的图像被用于静冈洪水骗局。作为回应，我尝试从 AI 生成的图像中去除多少“AI-ness”。
毕竟，只要稍微处理一下用 Stable Diffusion 创建的图像，就很难找出来了。
— 这不是 Roboin @VTuber (@keita_roboin)2022 年 9 月 29 日
第一张图片是稳定的扩散，由“洪水灾害，静冈”制成。第二个是第一个的轻微编辑版本，带有智能手机。从生成到处理只需不到 10 分钟。皮c。山雀河这个 m/5e x ↑ZpBJ这样一来，就可以使用超分辨率来提高分辨率，只需一点点处理就可以大幅提升画质。在此示例中，仅使用智能手机和免费工具，从图像生成到处理大约需要 7 分钟。
*添加水印以防止滥用。
处理前：
处理后：
插图也是如此。目前，插画生成AI往往分辨率低、手断。但是，如果你用 AI 提高分辨率并用 img2img 修复损坏的部分，你可以在几分钟内提高质量。
因此，AI 插图可以通过图像质量（分辨率）来区分，但仅以此来判断是危险的。
插图生成 AI 生成与原始插图非常相似的插图
不正确：插图生成 AI 生成的插图与原始插图非常相似。我看到一条推文，上面有一张实际上生成了类似插图的图片。
Tadashi：这可能是个骗局。 “基本上”，一个与原始插图非常相似的插图几乎从来都不是偶然生成的。
评论
在 Twitter 上，有一些带有图像的推文说已经生成了与现有插图非常相似的插图。但是，虽然我不知道它们是否是恶意的，但它们很有可能是假的。
这些推文被认为是在“人工智能加载了现有插图并故意设置为生成非常相似的插图”时被删除的。有人可能会说，问题在于您可以创建类似于现有插图的东西。但是，它和人类训练包一样，我认为这是用户的问题，而不是 AI 的问题。
在这里，我们更详细地介绍。作为前提，插画生成AI具备“txt2img”和“img2img”两个功能。
txt2img 根据名为“你想要什么样的插图？”的句子（俗称咒语）生成插图。
另一方面，img2img 给定原始插图和提示，生成与原始插图相似的插图。它主要用于对AI生成的插图进行精细校正，并将您想要生成的插图的氛围传达给AI。
参考：[NovelAI Diffusion] 如何使用图片和娃娃生成图像 - Markdown 和 Bullet Journal
基本上，txt2img 很少与原始插图相似。我不能说“绝对不是”，但对人类来说也是如此。不可否认，插图巧合地与现有插图相似的可能性非常低。
img2img 是生成与原图相似的插图的功能，自然会出现与原图相似的图。
使用 img2img，您可以设置它与原始插图的相似程度。根据设置，生成与原始插图几乎相同的插图，并且根据设置，生成与原始插图完全不同的插图。
正如一些人已经指出的那样，img2img 很可能被用于生成与现有插图非常相似的插图的推文。
声称“AI 生成的插图与现有插图非常相似”，引用这个 img2img 设置为与原始插图非常相似的情况，是因为有些人在训练和复制这就像声称，“这就是为什么人类插图画家只能复制现有插图。”
删除一些故意生成非常相似的插图并声称它“与现有插图非常相似”的情况是没有意义的。这是用户问题，不是人工智能问题。
插图生成 AI 可以生成与现有插图非常相似的插图，但这只是使用 img2img 时 AI 的一个方面，“模仿现有插图的功能”。
因此，不知道是否存在恶意，但在这些推文中，“人工智能模仿现有插图”和“人工智能生成与现有插图非常相似的插图”的说法是“人工智能故意的，我认为不宜批评插画生成AI本身。
好吧，从“”开始基本上“几乎不可能意外生成与原始插图非常相似的插图。”到目前为止似乎与解释背道而驰，但我写“基本”是因为根据条件，可能会生成与原始插图相似的插图。
"AI 剪切和粘贴现有插图/拼贴画正如“误区”中所解释的，让 AI 学习插图可以改写为让 AI 学习概念。
例如，假设训练数据（数据集）中包含的角色 A 的大部分插图都是由插图画家 B 绘制的。
如果让从这个数据集中学习的 AI 生成人物 A 的插图，那么完成的插图可能包含“类似于插画家 B 的签名的东西”。
这是因为 AI 误解了“插画 B 的签名是角色 A 概念的一部分”。这样，如果你试图用很少的学习数据来生成一个字符，或者如果数据集有偏差，它可能类似于现有的插图。但是，即使在这种情况下，即使“比较时气氛相似”，也很难认为它们非常相似。首先，训练数据中的少量数据对输出影响不大。
（这个问题感觉更像是数据集问题而不是 AI）
另一方面，除非存在这种情况，否则可以安全地假设与现有插图相似的插图很少像上面提到的那样生成。
AI未经许可学习插图是违法的
不正确：AI未经许可学习插图是违法的
正确：AI在未经许可的情况下学习插图，但它是合法的（有条件）
评论
*我不是法律专家。虽然我是参考专家的评论来写的，但请参考专家意见和司法判例，以获得对法律的准确解释。
人类绘制的插图受版权法保护。但是，现行的日本著作权法并非在所有情况下都提供无条件的保护。在版权不受保护的情况下会出现一些例外情况。
例外之一是版权法第 30-4 条。
第三十条之四 下列情形及其他以作品的目的不是为了欣赏自己或让他人欣赏作品所表达的思想感情的情形，以作品为限必要的，无论使用哪种方法都可以使用。但因作品的种类、用途、利用方式等原因，损害著作权人利益的，不在此限。
1. 用于测试与版权作品的录音、录像或其他用途相关的技术的开发或实际应用时
2.信息分析（指从大量作品等大量信息中提取与构成信息的语言、声音、图像等要素有关的信息，进行比较、分类等分析。第40条同适用于第 7-5 条第 1 款第 2) 项。
3. 除前两项所列情形外，在计算机信息处理过程中对作品的使用或其他使用（在程序作品的情况下，除外）一台电脑）。
*作者粗体强调
重要的部分是粗体部分。让 AI 学习插图的行为对应了这种“信息分析”，因此可以在未经作者许可的情况下使用。
但是，“根据作品的种类、目的和利用方式，著作权人的利益受到不适当损害的，不在此限”，“指提取与语言有关的信息” 、声音、图像等构成要素，并进行比较、分类等分析。”，从少数作品中学习可能是违法的。
还有其他一些事情也会发挥作用，例如培训地点和服务条款。如果日本没有供 AI 学习的服务器，日本的著作权法可能不适用。此外，从服务条款禁止 AI 学习的服务下载的插图不能用于 AI 学习。
参考：
让AI学习插画是无条件合法的
错误：让AI学习插图是无条件合法的。
正确：让 AI 学习插图是有条件的合法的。
评论
细节是，”AI未经许可学习插图是违法的”在误会中解释。
AI生成的插图没有版权
错误：AI 生成的插图没有版权。
正确：在某些情况下，AI 生成的插图可能受版权保护。
评论
*我不是法律专家。虽然我是参考专家的评论来写的，但请参考专家意见和司法判例，以获得对法律的准确解释。
这部分有点复杂，所以Midjourney、Stable Diffusion、拟态、版权等图像自动生成AI | STORIA Law Office引用自。
首先，如果你输入了一个短的拼写，一个精彩的画面一拍出来，就没有“创意贡献”，很有可能不会出现版权问题。
如果您使用详细而冗长的咒语来生成图像，那么您就有了“创造性贡献”，并且图像更有可能获得版权。
我们认为，从 AI 自动生成的多个产品中选择所需产品的行为也很有可能属于“创造性贡献”的范畴。
... 显然 ...此外，如果您在 AI 生成的插图中添加创意处理，也会产生版权。
这样，根据是否有“创意贡献”，版权可能会或可能不会授予AI插图。仅仅因为生成了人工智能并不一定意味着“不存在版权”。
由人工智能完全自主生成的插图极不可能受版权保护。但人工智能，就像我们现在谈论的那样，依赖于人工输入提示，这为版权识别留下了空间。
但是，我认为有些部分直到有先例才能知道实际会做出什么样的判断。
记住“版权可能不存在”，使用 AI 生成的插图会更安全。此外，未经许可使用在互联网上找到的 AI 插图是很危险的，因为它们声称它们没有版权。
使用 AI 生成的插图时要了解它们可能受版权保护，也可能不受版权保护。
人工智能可用于轻松生成有针对性的插图
不正确：使用 AI 可以轻松生成您想要的插图。
正确：创建插图很容易，但创建所需的插图需要一定的反复试验、独创性和努力。
评论
任何真正使用过插图生成AI的人都知道，为了让AI生成插图，需要输入一个叫做提示的句子（俗称咒语）。
即使您输入适当的提示，插图生成 AI 也会正确生成插图。但是，要让 AI 生成您想要的插图，需要一定的反复试验。
首先，您应该在查看生成的插图时尝试不同的提示。这个提示还要求你不仅要输入句子，还要使用括号来控制单词的影响。
当你发现一个提示可以让你生成一个相当好的插图时，生成一些插图（有时几十到几百个），然后等待一个接近你目标的插图（又名：gacha）。
从大量生成的插图中选择最“对不起”的插图。这一次，我们将使用函数 img2img 来修复令人遗憾的部分。同样，需要及时调整和扭蛋。此外，人工智能无法进行精细校正，必须由人工手动完成。
为了纠正一个遗憾的例子，有必要确定遗憾本身以及哪里错了。小修正需要有辨别插图的能力和手工修正的能力，换句话说，就是人类的插图技能。这是非插画爱好者无法模仿的部分。
通过这种方式，很容易生成插图。但是，即使不如手工绘制，也需要一定的反复试验、独创性和努力才能生成所需的插图。此外，为了进一步提高画质，在使用AI的一侧需要插图技术。
我实际上尝试使用名为 Waifu Diffusion 的插图生成 AI 创建插图。经过 3 个多小时与提示的斗争并生成了大约 100 张卡片，这是奇迹之一。
我的脚和手有问题。目前无法对 AI 进行进一步修改。手和头上的“关节”只有会画插图的人才能矫正。
到目前为止，大概4个小时左右。为了做到完美，我们必须从这里进行更多的手动更正。也许会画插图的人从一开始就自己画会更快。
关于人脸可以被切掉的问题，NoveAI Diffusion克服是。
综上所述
我试图解释关于插图生成 AI 的常见误解。已经很久了，我也很惊讶。
在这篇文章中，我稍微谈到了 AI 的工作原理，但即便如此也只涵盖了其中的一小部分。人工智能非常复杂。
但是，仅仅因为它复杂，如果我们批评它而不研究它，不理解它，或者误解它，我们最终会落入时代的后面，破坏具有未来潜力的技术。
当然，有些部分即使被批评也无济于事，比如一些插图生成 AI 从未经授权的转载网站学习。另一方面，由于对人工智能的误解而受到批评也是事实。
此外，我认为有些事情是用户问题而不是人工智能。在日常生活中广泛使用的菜刀和汽车，如果使用得当，都是有用的工具。然而，当用户的恶意加在上面时，它就变成了致命的武器。
人工智能也不例外。如果使用得当，它可能是有史以来最强大的工具。但是，如果被恶意使用，则会构成重大威胁。
随着插图生成 AI 的出现，确实降低了做恶事的障碍，例如将别人的毛坯放入 AI 并在本人出版之前完成。但它可以在没有人工智能的情况下完成。
如果没有人工智能，人类试图做坏事会以不同的方式做同样的事情。即使AI被禁止，也不是根本的解决方案。
这并不是说不需要利用人工智能。反剥削和便利往往是权衡取舍。未来，有必要在人工智能领域寻找这种平衡。同时，我们必须培育用户的道德。
还需要独立于所使用的工具的全面立法。
现在，人工智能正在取得明显而快速的进展，尤其是在插图领域。许多人对这种剧烈的变化感到惊讶和焦虑。我认为它可以变得情绪化。
再这样下去，能画插图的价值就会直线下降。因为如果你只是想要一个插图，你不需要一个人来为你画。
另一方面，目前只有人类可以“绘制一致的插图（绘制同一角色的多个副本）”、“反映详细的要求”和“不遗漏最小的细节”。然而，人工智能将很快克服这一点。
当这种情况发生时，插图的价值将不是由“插图本身”决定，而是由“谁画的”决定。即使出现了以您的风格生成插图的 AI，“您绘制的插图”也只是您的特权。 “人工智能中没有的附加值”，包括谁绘制了它，将变得很重要。
不需要价值的“作为爱好的插图”和“可以提供附加价值的插图”应该继续存在。
在此之前，是为了保护创作者而以牺牲便利为代价对技术进行监管，还是人工智能会被用来共存，还是人工智能会让创作者变得不必要？生活在当今时代的每一个人都应该决定我们将走向哪个未来。
现在是继续前进的时候了。一旦你冷静下来并获得了知识，你就必须考虑未来的技术和创造性活动的未来。
错误的理解会导致错误的未来。只有正确的理解才能做出正确的决定。我希望这篇文章能帮助你做到这一点。
参考
- https://twitter.com/minux302/status/1576165296205094912
- 图像生成AI“Stable Diffusion”如何从文本生成图像的详细说明 - GIGAZINE
- 最近讲的“扩散模型”小结——AI与安全总结
- DALL-E2和Stable Diffusion等扩散模型的工作原理，以及莫名其妙的
- [Python] 如何使用 Word2Vec - Qiita
- 现成的词嵌入向量列表 - Qiita
- 什么是神经网络？ - 易于理解的含义 - IT Glossary e-Words
- 灵感和记忆的同一性 阐明大脑导致痴呆症治疗 | NHK 健康频道
- GAN：什么是生成对抗网络？“无监督学习”的图像生成 - Eye Magazine | i Magazine | IS 杂志
- [NovelAI Diffusion] 如何使用图片和娃娃生成图像 - Markdown 和 Bullet Journal
- 版权法 | 电子政务法律搜索
- 未经许可下载的数据能否用于人工智能开发？律师解释修改后的版权法
- 创作者法律问答-一位律师解释图像生成AI和版权稳定扩散流行和模仿火焰（KAI-YOU Premium）
- Midjourney、Stable Diffusion、拟态、版权等图像自动生成AI | STORIA Law Office
- NovelAI 对稳定扩散的改进 | 作者 NovelAI | 2022 年 10 月 | 中
- “NovelAI”这个话题对原来的Stable Diffusion做了哪些改进，可以生成超高精度的插图？ -GIGAZINE
原创声明：本文系作者授权爱码网发表，未经许可，不得转载;
原文地址：https://www.likecs.com/show-308630005.html