文本到图像生成的培育实践
本文研究了人们对于生成式人工智能中的文本到图像生成技术的看法和担忧，发现尽管参与者意识到技术所带来的风险与危险，却只有少数人认为技术对个人的风险，风险对于其他人来说更容易认识，而且参与者尤其认为艺术家是处于风险中的人群，未尝试过这项技术的参与者对其未来重要性的评价要低于尝试过的参与者，说明许多人仍然未察觉生成式人工智能的潜在个人风险及其所带来的社会变革。
Jun, 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
此篇研究论文讨论了基于 transformer 的 AI 文本生成系统（例如 GPT-3）和基于 AI 的文本到图像生成系统（例如 DALL-E 2 和 Stable Diffusion）如何改变数字艺术和电子文学领域，并探讨了由这些系统创造的新文学表达形式。研究者们将这些新的数字写作环境解读为一种文学方式，探索了这些环境对新文学艺术实践的不同潜力；同时，一个数字文化理论家研究了这些新兴文体的训练数据集的来源和影响。
May, 2023
研究探讨文本到图像生成技术在建筑设计早期阶段支持创意的潜力以及其在设计师教育中的应用，发现生成工具支持探索想法和丰富设计过程，但也存在挑战，需要软件开发者和教育者支持创意和设计师的想象力。
Apr, 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
使用神经生成能力和感知注入技术，本研究提出了一种无需提示的生成方法，使用户能够自动生成个性化的具有自定义艺术风格的画作内容。
Feb, 2024
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
通过使用生成 AI 进行图像生成，我们收集并分析了超过 300 万个提示和它们生成的图像，通过自然语言处理、主题分析和可视化方法，我们旨在共同理解人们如何使用文本提示，这些系统对艺术家的影响以及它们所推广的视觉文化。我们的研究表明，提示主要关注表面美学，强化文化规范、流行的传统表达和意象。我们还发现许多用户关注流行的主题（如制作填色书、幻想艺术或圣诞卡片），这表明所分析的系统的主要用途是娱乐而非艺术性。
Jan, 2024