Nature发AIGC禁令!投稿中视觉内容使用AI的概不接收
作为最权威的科学期刊之一,Nature近日明确表态:
禁止使用生成式人工智能(AIGC)创作的图像和视频内容!
这也就意味着,除了主题是讨论AI的文章,任何Nature接收的作品须确保无任何AIGC生成或增强的视觉内容。
这张反对票上写满了一行大字:
诚信、许可、隐私和知识产权保护
有网友认为:
实际上,这是我们重新讨论摄影“真相主张”,所迈出的新的一步。
数码摄影和Photoshop都改变了我们与媒体的关系,而AIGC可能会再次做到这一点。
ChatGPT的爆火推动了AIGC的强势“出圈”,各行各业都在竞相探索其潜力。争议一直存在,关于在科学、艺术、出版等领域中是否应该使用AIGC来展示视觉内容。
对AIGC的担忧,与近半年来AIGC使用不规范所造成的侵权现象加剧密不可分。
早在今年一月份,在美国加州北区法院,就有三名漫画家针对包括Stability AI在内的三家AIGC商业应用公司发起集体诉讼,指控Stable Diffusion侵权,类似案件屡见不鲜。
上个月,当下最热门的短视频社交平台之一——抖音,提出了十一条平台规范与行业倡议:
当创作者、主播、用户、商家、广告主等各种平台参与者在使用抖音应用的生成式人工智能技术时,必须遵守11项规范。
其中就包括对AIGC生成的内容进行显著标识,禁止利用AIGC技术创作、发布侵权内容以及违背科学常识、弄虚作假、造谣传谣的内容。
而已有153年历史的Nature,对待AIGC只有一个简单的“不”字。
Nature为什么要禁用AIGC?
在诸如ChatGPT、Midjourney等生成式AI工具得到广泛应用,且能力快速增长之后,Nature坐不住了。
针对此问题已经进行了几个月的激烈讨论和磋商。
最终的结果是:
除非是专门关于人工智能的文章,Nature在可预见的未来不会发表任何完全或部分使用AIGC创作的摄影、视频或插图内容。
Nature将不允许在视觉内容中使用AIGC,原因归结为:
诚信问题。
无论是科学还是艺术创作,在出版过程中,都应以共同的诚信承诺为基础。
其中之一,就是保持过程透明。
确保数据和图像来源的准确性和真实性是研究人员、编辑和出版商的共同责任。而这是现有AIGC工具所无法做到的。
AIGC工具不提供访问数据和图像来源的方式,因此无法进行这种验证。
还有一大难题是归属问题。
当使用或引用现有作品时,准确标注来源的重要性不可忽视,这也是科学和艺术出版领域的一大核心原则。
显然AIGC工具生成的内容无法明确归属权的问题。
同意和许可也是必须要考虑的因素之一。
如果牵涉到有知识产权的内容,必须获得同意和许可,而AIGC在这一问题上再次未能达到期望。
AIGC系统是在未识别来源的图像上进行训练的。AIGC经常使用一些受版权保护的作品,未经许可就进行训练。在一些情境下,可能会侵犯隐私权,例如在未经许可的情况下使用他人的照片或视频。
除了隐私问题外,这些经过“深度伪造”的内容还容易加速虚假信息的传播。
One More Thing
Nature虽然对AIGC生成的视觉内容不予采用,但允许文本中包含通过AIGC辅助生成的内容。
前提是遵循一些注意事项:
使用这类大语言模型(LLM)工具需要在论文的研究方法或致谢部分进行记录,并且我们期望作者提供所有数据的来源,包括辅助人工智能生成的数据。此外,任何LLM工具都不会被接受为论文作者。
Nature认为这样做是为了保护内容创作成果。世界正处于人工智能革命的边缘,这场革命带来了巨大的希望,但也在迅速颠覆科学、艺术、出版等长期确立的传统。在使用AI时稍不注意,就有可能使经历了数个世纪的发展所形成的保护科学诚信和保护内容创作者免受剥削的体系瓦解。
对此,你怎么看?
参考链接:
[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发AIGC禁令!投稿中视觉内容使用AI的概不接收的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

又双叒叕是一个新功能的亮相。你是否会遇见过想要给图片角色换个背景,但是AI总是搞出「物非人也非」的效果。即使在Midjourney、DALL・E这样成熟的生成工具中,保持角色一致性还得有些prompt技巧,不然人物就会变来变去,根本达不到你想要的结果。不过,这次算是让你遇着了。AIGC工具PixVerse的「角色-视频」新功能可以帮你实现这一切。不仅如此,它能生成动态视频,让你的角色更加生动。输入一张图,你就能够得到相应的动态视频结果,在保持角色一致性的基础上,丰富的背景元素和角色动态让生成结果

写在前面今天我们探讨下深度学习技术如何改善在复杂环境中基于视觉的SLAM(同时定位与地图构建)性能。通过将深度特征提取和深度匹配方法相结合,这里介绍了一种多功能的混合视觉SLAM系统,旨在提高在诸如低光条件、动态光照、弱纹理区域和严重抖动等挑战性场景中的适应性。我们的系统支持多种模式,包括拓展单目、立体、单目-惯性以及立体-惯性配置。除此之外,还分析了如何将视觉SLAM与深度学习方法相结合,以启发其他研究。通过在公共数据集和自采样数据上的广泛实验,展示了SL-SLAM在定位精度和跟踪鲁棒性方面优

1介绍神经辐射场(NeRF)是深度学习和计算机视觉领域的一个相当新的范式。ECCV2020论文《NeRF:将场景表示为视图合成的神经辐射场》(该论文获得了最佳论文奖)中介绍了这项技术,该技术自此大受欢迎,迄今已获得近800次引用[1]。该方法标志着机器学习处理3D数据的传统方式发生了巨大变化。神经辐射场场景表示和可微分渲染过程:通过沿着相机射线采样5D坐标(位置和观看方向)来合成图像;将这些位置输入MLP以产生颜色和体积密度;并使用体积渲染技术将这些值合成图像;该渲染函数是可微分的,因此可以通过

简介ChatGPT推出后,犹如潘多拉魔盒被打开了。我们现在正观察到许多工作方式的技术转变。人们正在使用ChatGPT创建网站、应用程序,甚至写小说。随着AI生成工具的大肆宣传和引入,我们也已经看到了不良行为者的增加。如果你关注最新消息,你一定曾听说ChatGPT已经通过了沃顿商学院的MBA考试。迄今为止,ChatGPT通过的考试涵盖了从医学到法律学位等多个领域。除了考试之外,学生们正在用它来提交作业,作家们正在提交生成性内容,而研究人员只需输入提示语就能产生高质量的论文。为了打击生成性内容的滥用

3月14日消息,小米官方今日宣布,小米相册AIGC编辑功能正式上线小米14Ultra手机,并将在本月内全量上线小米14、小米14Pro和RedmiK70系列手机。AI大模型为小米相册带来两个新功能:智能扩图与魔法消除Pro。AI智能扩图支持对构图不好的图片进行扩展和自动构图,操作方式为:打开相册编辑-进入裁切旋转-点击智能扩图。魔法消除Pro能够对游客照中的路人进行无痕消除,使用方式为:打开相册编辑-进入魔法消除-点击右上角的Pro。目前,小米14Ultra机器已经上线智能扩图与魔法消除Pro功

由自然语言处理、语音识别、语音合成、机器学习等技术组成的人工智能技术,应用于各行各业获得广泛认可。置身于AI应用的前沿,从2022年底开始,维音不断见证AIGC技术所带来的惊喜,也有幸参与到这场覆盖全球的技术浪潮。经过训练、测试、调优和应用,维音将其丰富的客户服务行业经验与强大的大模型能力相结合,开发出了适用于坐席端和业务端的生成式AI客服机器人。同时,维音还将底层能力与维音Vision系列智能产品相互连接,最终形成了“1+5”维音生成式AI智能产品矩阵其中,“1”是维音自主训练的大模型服务平台

纯视觉的标注方案,主要是利用视觉加上一些GPS、IMU和轮速传感器的数据进行动态标注。当然面向量产场景的话,不一定非要是纯视觉,有一些量产的车辆里面,会有像固态雷达(AT128)这样的传感器。如果从量产的角度做数据闭环,把这些传感器都用上,可以有效地解决动态物体的标注问题。但是我们的方案里面,是没有固态雷达的。所以,我们就介绍这种最通用的量产标注方案。纯视觉的标注方案的核心在于高精度的pose重建。我们采用StructurefromMotion(SFM)的pose重建方案,来保证重建精度。但是传

作为点集合的点云有望通过3D重建、工业检测和机器人操作中,在获取和生成物体的三维(3D)表面信息方面带来一场改变。最具挑战性但必不可少的过程是点云配准,即获得一个空间变换,该变换将在两个不同坐标中获得的两个点云对齐并匹配。这篇综述介绍了点云配准的概述和基本原理,对各种方法进行了系统的分类和比较,并解决了点云配准中存在的技术问题,试图为该领域以外的学术研究人员和工程师提供指导,并促进对点云配准统一愿景的讨论。点云获取的一般方式分为主动和被动方式,由传感器主动获取的点云为主动方式,后期通过重建的方式
