详细内容或原文请订阅后点击阅览
批判性审视 AI 图像生成
图像生成 AI 究竟能告诉我们关于这个世界的什么信息？照片由 Math 在 Unsplash 上拍摄我最近有机会对一个有趣的项目进行分析，而我要说的太多了，无法在一篇文章中全部涵盖，所以今天我将讨论我对它的更多想法。研究人员在这个项目中采用的方法是向不同的生成 AI 图像生成工具提供一系列提示：Stable Diffusion、Midjourney、YandexART 和 ERNIE-ViLG（由百度提供）。这些提示特别针对不同的世代——婴儿潮一代、X 世代、千禧一代和 Z 世代，并要求在不同背景下拍摄这些群体的图像，例如“与家人在一起”、“度假”或“在工作”。虽然结果非常有趣，也许揭示了一些关于视觉表现的见解，但我认为我们也应该注意这不能告诉我们什么，或者有什么局限性。我将把讨论分为美学（图片看起来是什么样的）和表现（图片中实际显示的内容），并稍微讨论一下这些图片是如何产生的，因为这对这两个主题都非常重要。简介在我开始之前，先快速概述一下这些图像生成器模型。它们是通过获取大量图像数据集（照片、艺术品等）并配以简短的文本描述而创建的，目标是让模型学习单词与图像外观之间的关系
来源:走向数据科学对AI图像生成的批判性看
图像生成的AI真正告诉我们有关我们的世界的信息？
数学 Unplash我最近有机会对一个有趣的项目进行分析，而且我要说的要比那个单一的作品中包含更多，所以今天我将讨论更多关于它的想法。
一个有趣的项目研究人员采用该项目采取的方法涉及为不同的生成AI图像生成工具提供一系列提示：稳定扩散，Midjourney，Yandexart和Ernie-Vilg（由Baidu）。这些提示特别构成了不同世代的框架 - 婴儿潮一代，X世代，千禧一代和Z世代，并在不同的情况下要求这些群体的图像，例如“与家人”，“度假”或“在工作中”。
虽然结果非常有趣，并且也许揭示了有关视觉表示的一些见解，但我认为我们还应该注意这无法告诉我们的内容或限制是什么。我将讨论将我的讨论分为美学（图片的外观）和表示形式（图片中实际显示的内容），其中有一些侧面曲目涉及这些图像的存在方式，因为这对这两个主题都非常重要。
简介
不过，在我开始之前，对这些图像生成器模型进行了快速概述。它们是通过将巨型图像数据集（照片，艺术品等）与简短的文本描述配对来创建的，目标是让模型学习单词和图像的外观之间的关系，以便在给出单词时，模型可以创建一个或多或少匹配的图像。引擎盖下有更多细节，并且模型（与其他生成AI一样）具有内置的随机性，可以带来变化和惊喜。
培训数据
https://laion.ai/那么，当您使用这些模型之一时，您会真正得到什么？
美学
超过图像的视觉吸引力/风格，其中实际上是什么？