这篇研究论文探讨了人工智能生成图像的创作方式以及弊端，如训练数据的偏见、合成数据常态化可能导致未来图像生成系统的质量下降，以及文本生成图像对人们想象力、抱负和发展的潜在长期影响。

Jun, 2023

本研究通过对 14 名游戏专业人员进行语义结构化访谈，揭示了 TTIG 在游戏行业实践中的专业人士感知、采纳和使用的 12 个总体主题和 49 个子主题，可以用于促进该行业内的讨论、为政策制定人员提供信息以制定迫切需要的立法，并支持游戏、HCI 和 AI 领域的研究人员以支持 TTIG 的可持续、专业使用以造福人们和游戏文化艺术品。

Feb, 2023

通过调研文献并分析各项研究方法，该篇论文综述了文本到图像和文本到视频 AI 生成的前沿方法，包括数据预处理技术、神经网络类型以及评估指标。此外，论文还讨论了文本到图像和文本到视频 AI 生成的挑战、限制以及未来研究方向。总体而言，这些模型在视频制作、内容创作和数字营销等广泛应用领域具有巨大潜力。

Nov, 2023

本文是一篇文献综述，探讨了 AI 生成模型在静态和交互媒体中简化视觉创造流程的巨大潜力及其在技术和伦理方面对多个重要产业的影响，涵盖了 AI 文本到图像生成、Midjourney、Stable Diffusion、AI 伦理、游戏设计、数字艺术和数据洗白等方面的关注点和挑战，以及如何通过适当的监管解决相关的法律、伦理等问题。

May, 2023

文本到图像生成使用神经网络和扩展模型规模的创新模型架构与预测增强技术相结合的方法，提供了几种不同的方法并对其进行了详细比较和评价，为未来的工作提供了改进的可能路径。

Sep, 2023

本文研究探讨了生成 AI 技术中，AI 加入真实数据之后可能会产生回馈循环并导致未来模型的降级和多样性降低的情况，从而产生社会影响。同时，对于如何缓解这种回馈循环以及降低未来技术模型降级的影响也提出了相关问题。

Jun, 2023

通过质性调查，我们发现创意专业人士对生成式人工智能的推动对创造力的定义和如何使用人工智能支持他们的工作流程产生了重要的影响，并基于这些反思，探讨了如何设计在创新专业领域中的 “参与式人工智能”，以目前和未来协同 AI 中赋予创意专业人士更大的权力。

Mar, 2023

本文初步探索了三种常用的文本到图像生成模型在不同语言下的性能表现，并指出使用非英语语言时性能会有显著的下降，特别是对于不常用的语言。作者讨论了不同的方式来改进模型，以确保模型在不同语言下的性能保持一致，以实现跨语言的应用和维护语言多样性。

Aug, 2022

这项研究旨在考察不同信息流分类下个体对人工智能的感知，结果揭示了参与者对人工智能的定义和第四次工业革命的关键主题，包括人类智能的复制、机器学习、自动化和数字技术的整合。参与者对工作替代、隐私侵犯和人工智能提供的不准确信息表示担忧，但他们也认识到人工智能的好处，如解决复杂问题和增加便利性。对政府在塑造第四次工业革命方面的看法各不相同，有人主张严格监管，而其他人则支持和发展。第四次工业革命带来的预期变化包括自动化、潜在的就业影响、社会疏离和对技术的依赖。了解这些感知对于有效地管理与人工智能相关的挑战和机遇在不断变化的数字景观中至关重要。

Jul, 2023

通过研究发现，生成人工智能已经可以利用网页上的上下文信息实现生成相关和高质量的网页图像，而无需手动输入提示，这一方法对于修复破损的网页或处理高度私密内容可能非常有价值。

Oct, 2023