【周末闲谈】AI作图,你真的了解它吗?

简介: 【周末闲谈】AI作图,你真的了解它吗?

前言


感谢你在周末准时与我相遇😚😚😚,AI这个话题自从它被提出来后无论在哪个时代都是个经久不衰的热点,从AlphaGo的惊世一战到ChatGPT的横空出世, 没有人知道它下一次会给我们带来怎样的惊喜,今天就让我们来谈谈火遍全网的AI画手吧。

![在这里插入图片描述](https://ucc.alicdn.com/images/user-upload-01/114ac2731b3d40f498fb588fa5f01551.jpeg#pic_center


事实上当我们在网络中搜索AI绘画会发现,关于AI绘画的软件层出不穷,但我们关于AI绘画的起源与发展的文章却少之又少,难道它的诞生就真是顺应时代的发展吗?


AI绘画🤖🤖🤖


ai绘画就是“人工智能绘画”,是一种计算机生成绘画的方法。


AI的绘画主要包括两个部分,一个是对图像的分析与判断,另一个是图像的处理与还原。

人工智能中的图像分析与处理技术就是利用计算机视觉去提取物体的纹理信息,然后通过神经网络对其进行深度的图像分类和处理。而在 AI绘画方面,人工智能也主要应用在图像的识别与还原。


工作原理🎛️🎛️🎛️


利用电脑运行,使用AI算法来自主生成的绘画方式。

具体的绘画是通过AI算法经过大量真实存在的画师作品中,进行归纳和学习来完成创作。

用户可以在平台上输入各种与风格、主题、氛围有关的关键词,AI根据这些关键词在互联网巨量的资源和素材中搜索、学习,最后糅合与拼接成一些符合要求的画作。这就是AI作画的简单解释。


支持/反对?🤔🤔🤔


自从AI绘画出现在我们的生活中以后,两种声音也随之出现,我们都知道every coin has two sides (任何事都有其两面性)。


艺术革命(正方)😉😉😉


在高度的网络冲浪回来后我发现在大多数支持者看来AI绘画具有人工无法比拟的素材基数与效率,这样的优点使其受到商业市场青睐。


举个例子:

对一些游戏设计工作者们来说,在项目初期它们需要整理思路与大的风格调性,这时就可以通过AI作画,一次性批量的渲染出几百张具有同样元素风格的不同画面,这对于色彩、风格、构图等等基础元素都没有确定的项目初期,单纯依靠人的作画是无法完成的,而通过AI我们就可以轻松的完成,并且质量也有一定的保证。因为仅靠文字的描述,就可以直接生成大批量的符合要求的画面,这样的画面对于设计者理解策划的意图,与处理画面中元素、人物之间的比重关系、神态动作、色彩调性等等等等,都有着极为便利的关系,可以有效的提高工作效率。甚至作为完全不会画画的编导、舞美来说,对于场景氛围的营造和概念希望达到的效果,都有很好的效果。


伦理危机(反方)😔😔😔


版权问题一直以来都是AI作图的广大争议点,相比较与传统绘画方式所创作的图画有明确的著作权与知识产权,AI绘画作品的权属难以确证,因为AI技术模型、程序员、艺术家以及终端用户都可能对作品的创作过程产生影响。


同样我们可以举个例子:


最近“LOFTER平台AI绘画功能遭用户质疑”的话题登上微博热搜,即使官方及时回应:“头像生成器”功能测试仅为满足用户个性化头像需求,并无其他目的,更无盈利目的;此功能的训练数据集来自于开源数据,未使用LOFTER用户的作品,如确有侵权,每张图片将赔偿原作者一万元",但仍然引发了巨大的争议。

我们都知道AI绘画是对已有作品的拼贴与缝合,用“头像生成器”生成图像正与Lofter作为“创作者平台”的定位相矛盾,同时还涉嫌对平台内原创作品的抄袭。虽然Lofter官方一再强调该功能的初衷是为了方便没有绘画能力的用户制作喜欢的头像,并无盈利目的,且使用的训练数据集均来自开源数据,但仍有许多原创画师连夜销号,声称自己不愿承担“舍身饲AI”的风险,反对一切可能的“侵权”。


1684820146278.png


网友们的不买帐也深刻的反应出AI作图的版权问题引发的矛盾。

对此,北京云嘉律师事务所副主任赵占领认为,AI绘画的版权一般应该归属软件制作者。

北京大成律师事务所高级合伙人肖飒称,法律虽然有滞后性,但未来出台针对AI生成艺术的各类规范性文件是大势所趋,2022年1月发布的关于《互联网信息服务深度合成管理规定(征求意见稿)》就是AI生成艺术领域近期较为具有代表性的立法草案。


总结


无可纷争的是AI绘画确实已经深入到了我们的生活之中,它给我们带来了便利的同时也带了新的问题,

也许我们可以产生新的制度来规范它的发展,但我相信它的未来一定会比现在更加精彩,对创作者们来说也不必担心它的产生会带来地位的动摇,人类艺术作品反映的特定历史背景和文化语境,蕴含的丰富情感、审美价值和深刻意义,是AI绘画难以企及的。好了今天的闲谈就到这里了,我们下星期再见咯。


目录
相关文章
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
【周末闲谈】感受AI时代魅力,创意无界限
【周末闲谈】感受AI时代魅力,创意无界限
78 0
|
机器学习/深度学习 人工智能 自然语言处理
【周末闲谈】浅谈“AI+算力”
【周末闲谈】浅谈“AI+算力”
310 0
|
数据采集 人工智能 算法
【周末闲谈】AI的旅途
【周末闲谈】AI的旅途
118 0
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
1天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
7天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
7天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
12天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
191 32
|
2天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
36 10
|
2天前
|
传感器 机器学习/深度学习 人工智能
AI在自动驾驶汽车中的应用与未来展望
AI在自动驾驶汽车中的应用与未来展望
22 9