Nature發AIGC禁令!投稿中視覺內容使用AI的概不接收
作為最權威的科學期刊之一,Nature近日明確表態:
禁止使用生成式人工智慧(AIGC)創作的圖像和影片內容!
這也意味著,除了主題是討論AI的文章,任何Nature接收的作品須確保無任何AIGC生成或增強的視覺內容。
這張反對票上寫滿了一行大字:
誠信、許可、隱私和智慧財產權保護
有網友認為:
實際上,這是我們重新討論攝影“真相主張”,所邁出的新的一步。
數位攝影和Photoshop都改變了我們與媒體的關係,而AIGC可能會再次做到這一點。
ChatGPT的爆火推動了AIGC的強勢“出圈”,各行各業都在競相探索其潛力。爭議一直存在,關於在科學、藝術、出版等領域中是否應該使用AIGC來展示視覺內容。
對AIGC的擔憂,與近半年來AIGC使用不規範所造成的侵權現象加劇密不可分。
早在今年一月份,在美國加州北區法院,就有三名漫畫家針對包括Stability AI在內的三家AIGC商業應用公司發起集體訴訟,指控Stable Diffusion侵權,類似案件屢見不鮮。
上個月,當下最熱門的短視頻社交平台之一——抖音,提出了十一條平台規範與行業倡議:
當創作者、主播、使用者、商家、廣告主等各種平台參與者在使用抖音應用的生成式人工智慧技術時,必須遵守11項規範。
其中就包括對AIGC產生的內容進行顯著標識,禁止利用AIGC技術創作、發布侵權內容以及違背科學常識、弄虛作假、造謠傳謠的內容。
而已有153年歷史的Nature,對待AIGC只有一個簡單的「不」字。
Nature為什麼要停用AIGC?
在諸如ChatGPT、Midjourney等生成式AI工具廣泛應用,且能力快速成長後,Nature坐不住了。
針對此問題已經進行了幾個月的激烈討論和磋商。
最終的結果是:
除非是專門關於人工智慧的文章,Nature在可預見的未來不會發表任何完全或部分使用AIGC創作的攝影、影片或插圖內容。
Nature將不允許在視覺內容中使用AIGC,原因歸結為:
誠信問題。
無論是科學或藝術創作,在出版過程中,都應以共同的誠信承諾為基礎。
其中之一,就是保持過程透明。
確保資料和圖像來源的準確性和真實性是研究人員、編輯和出版商的共同責任。而這是現有AIGC工具所無法做到的。
AIGC工具不提供存取資料和影像來源的方式,因此無法進行這種驗證。
還有一大難題是歸屬問題。
當使用或引用現有作品時,準確標註來源的重要性不可忽視,這也是科學和藝術出版領域的一大核心原則。
顯然AIGC工具產生的內容無法明確歸屬權的問題。
同意和許可也是必須要考慮的因素之一。
如果牽涉到有智慧財產權的內容,必須獲得同意和許可,而AIGC在這問題上再次未能達到期望。
AIGC系統是在未識別來源的圖像上進行訓練的。 AIGC經常使用一些受版權保護的作品,未經許可就進行訓練。在某些情境下,可能會侵犯隱私權,例如在未經許可的情況下使用他人的照片或影片。
除了隱私問題外,這些經過「深度偽造」的內容也容易加速假訊息的傳播。
One More Thing
Nature雖然對AIGC產生的視覺內容不予採用,但允許文字中包含透過AIGC輔助產生的內容。
前提是遵循一些注意事項:
使用這類大語言模型(LLM)工具需要在論文的研究方法或致謝部分進行記錄,並且我們期望作者提供所有數據的來源,包括輔助人工智慧產生的數據。此外,任何LLM工具都不會被接受為論文作者。
Nature認為這樣做是為了保護內容創作成果。世界正處於人工智慧革命的邊緣,這場革命帶來了巨大的希望,但也迅速顛覆科學、藝術、出版等長期確立的傳統。在使用AI時稍不注意,就有可能使經歷了數個世紀的發展所形成的保護科學誠信和保護內容創作者免受剝削的體系瓦解。
對此,你怎麼看?
參考連結:
[1]https://www.nature.com/articles/d41586-023-01546-4
[2]https://arstechnica.com/information-technology/2023/06/nature-bans-ai-generated-art-from-its-153-year-old- science-journal/
以上是Nature發AIGC禁令!投稿中視覺內容使用AI的概不接收的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

又雙叒叕是一個新功能的亮相。你是否會遇看過想要給圖片角色換個背景,但AI總是搞出「物非人也非」的效果。即使在Midjourney、DALL・E這樣成熟的生成工具中,保持角色一致性還得有些prompt技巧,不然人物就會變來變去,根本達不到你想要的結果。不過,這次算是讓你遇見了。 AIGC工具PixVerse的「角色-影片」新功能可以幫你實現這一切。不僅如此,它能產生動態視頻,讓你的角色更加生動。輸入一張圖,就能夠得到對應的動態影片結果,在保持角色一致性的基礎上,豐富的背景元素和角色動態讓產生結果

寫在前面今天我們探討下深度學習技術如何改善在複雜環境中基於視覺的SLAM(同時定位與地圖建構)表現。透過將深度特徵提取和深度匹配方法相結合,這裡介紹了一種多功能的混合視覺SLAM系統,旨在提高在諸如低光條件、動態光照、弱紋理區域和嚴重抖動等挑戰性場景中的適應性。我們的系統支援多種模式,包括拓展單目、立體、單目-慣性以及立體-慣性配置。除此之外,也分析如何將視覺SLAM與深度學習方法結合,以啟發其他研究。透過在公共資料集和自採樣資料上的廣泛實驗,展示了SL-SLAM在定位精度和追蹤魯棒性方面優

1介紹神經輻射場(NeRF)是深度學習和電腦視覺領域的一個相當新的範式。 ECCV2020論文《NeRF:將場景表示為視圖合成的神經輻射場》(該論文獲得了最佳論文獎)中介紹了這項技術,該技術自此大受歡迎,迄今已獲得近800次引用[1 ]。此方法標誌著機器學習處理3D資料的傳統方式發生了巨大變化。神經輻射場場景表示和可微分渲染過程:透過沿著相機射線採樣5D座標(位置和觀看方向)來合成影像;將這些位置輸入MLP以產生顏色和體積密度;並使用體積渲染技術將這些值合成影像;此渲染函數是可微分的,因此可以透過

簡介ChatGPT推出後,就像潘朵拉魔盒被打開了。我們現在正觀察到許多工作方式的技術轉變。人們正在使用ChatGPT創建網站、應用程序,甚至寫小說。隨著AI生成工具的大肆宣傳和引入,我們也已經看到了不良行為者的增加。如果你有在關注最新消息,你一定曾聽說ChatGPT已經通過了華頓商學院的MBA考試。迄今為止,ChatGPT通過的考試涵蓋了從醫學到法律學位等多個領域。除了考試之外,學生們正在用它來提交作業,作家們正在提交生成性內容,而研究人員只需輸入提示語就能產生高品質的論文。為了打擊生成性內容的濫用

3月14日消息,小米官方今日宣布,小米相簿AIGC編輯功能正式上線小米14Ultra手機,並將在本月內全量上線小米14、小米14Pro和RedmiK70系列手機。 AI大模型為小米相簿帶來兩個新功能:智慧擴圖與魔法消除Pro。 AI智慧擴圖支援對構圖不好的圖片進行擴展和自動構圖,操作方式為:開啟相簿編輯-進入裁切旋轉-點擊智慧擴圖。魔法消除Pro能夠對遊客照中的路人進行無痕消除,使用方式為:打開相簿編輯-進入魔法消除-點擊右上角的Pro。目前,小米14Ultra機器已經上線智慧擴圖與魔法消除Pro功

由自然語言處理、語音辨識、語音合成、機器學習等技術組成的人工智慧技術,應用於各行各業廣受認可。置身於AI應用的前沿,從2022年底開始,維音不斷見證AIGC技術所帶來的驚喜,也有幸參與這場覆蓋全球的科技浪潮。經過訓練、測試、調優和應用,維音將其豐富的客戶服務行業經驗與強大的大模型能力相結合,開發出了適用於坐席端和業務端的生成式AI客服機器人。同時,維音也將底層能力與維音Vision系列智慧產品相互連接,最終形成了「1+5」維音生成式AI智慧產品矩陣其中,「1」是維音自主訓練的大模型服務平台

經過一年多的發展,AIGC已經從文字對話、圖片生成逐步邁進到視訊生成。回想四個月前,Sora的誕生讓影片生成賽道經歷了一場洗牌,大力推動了AIGC在影片創作領域的應用範圍和深度。在人人都在談論大模型的時代,我們一方面驚訝於影片生成帶來的視覺震撼,另一方面又面臨落地難問題。誠然,大模型從技術研發到應用實務仍處於一個磨合期,仍需結合實際業務場景進行調優,但理想與現實的距離正被逐步縮小。行銷作為人工智慧技術的重要落地場景,成為了許多企業及從業者想要突破的方向。掌握了恰當方法,行銷影片的創作過程就會

純視覺的標註方案,主要利用視覺加上一些GPS、IMU和輪速感測器的資料進行動態標註。當然面向量產場景的話,不一定要純視覺,有些量產的車輛裡面,會有像固態雷達(AT128)這樣的感測器。如果從量產的角度做資料閉環,把這些感測器都用上,可以有效解決動態物體的標註問題。但是我們的方案裡面,是沒有固態雷達的。所以,我們就介紹這個最通用的量產標註方案。純視覺的標註方案的核心在於高精度的pose重建。我們採用StructurefromMotion(SFM)的pose重建方案,來確保重建精確度。但是傳
