CC0_rebuild_attempt

版本号： 0.2

概述

CC0_rebuild_attempt 是一个基于 Stable Diffusion 1.5 架构的文本到图像模型。该模型仅使用 CC0 图像及其他宽松许可内容进行训练，旨在根据给定的文本提示生成高质量的艺术图像。目标是创建一个强大且多功能的模型，同时确保所用数据集完全属于公共领域，允许无限制使用。

在图像标注的制作中采用了混合技术：数据集按主题分段，针对不同主题使用了不同的方法，例如：使用 GIT 处理写实类和照片类图像，使用 CLIP 处理插画类图像，最终所有标注均经过人工校正。

训练概述

输入： 手动标注的 768x768 图像
输出： 图像
架构： Stable Diffusion 1.5

性能限制

由于 CC0 及宽松许可内容数据集的限制，CC0_rebuild_attempt 在生成高度细节化或写实图像时可能面临挑战。此外，在高质量、多样化 CC0 图像稀缺的特定领域，该模型的性能可能较差。

训练数据集限制

该模型使用来自以下来源的图像和内容进行训练：

• Pexels： Pexels 许可证

• LIBRESHOT： CC0

• Unsplash： 轻量数据集许可证

• opengameart.org：CC0

• 作者： CC0

• 贡献者： CC0

• 大都会艺术博物馆开放访问： CC0

尽管数据集由 CC0 和宽松许可内容组成，但为尊重各网站政策及创作者偏好，仅发布明确允许再分发的图像。其余图像将被索引但不重新分发。

这些数据集可能无法全面覆盖所有主题或内容。由于在这些许可下此类内容有限，数据集中可能缺乏某些现代或小众主题的代表性。此外，该模型的训练和开发以遵守巴西版权法为优先，该法律因缺乏“合理使用”条款而比其他司法管辖区更为严格。

需注意的是，尽管已竭尽全力确保模型生成合乎道德且高质量的内容，但无法保证模型在所有情况下均能避免生成不期望的内容，或在每个实例中都达到最高质量。本项目是在现有数据集与法律限制下，尝试构建一个合乎伦理的模型。

各国版权法存在差异，本项目承认有必要建立关于公共领域内容使用的指导方针。我们希望此项研究能激励更多人构建更负责任的模型，充分考虑版权法的复杂性与训练数据的伦理使用。

商业用途前请先联系作者。

相关风险

• 模型在生成图像中的高精度文字内容方面可能表现不佳。

• 在构建需要深度构图理解的复杂场景时可能存在局限。

• 生成图像的质量与多样性取决于 CC0 及宽松许可内容的可用性与多样性。

• 可能存在对 CC0 及宽松许可内容数据集中更常见主题与风格的偏向，以及手动标注的偏差。

• 请查阅 OpenRAIL 并负责任地使用开源框架。

预期用途

• 生成艺术与设计项目

• 生成式 AI 的教育工具与研究

• 创意实验与艺术表达

• 伦理开发的参考依据

作者说明

我坚信，知识产权法常被用作控制与限制内容访问的手段，实际上形成了一种审查机制。当公司使用未经授权的内容时，往往无人追究；但对个人而言，后果却严重得多。许多大型模型过去和现在都在使用未经授权的内容，这种情况不太可能改变。这是一个令人遗憾的现实，此前已发生，未来仍将不断重演。然而，这是这些技术首次以开源形式广泛开放给所有人。社会的命运不应由政府或公司决定，而应由个体的努力与行动决定。我们或许需要重新思考什么是“原创”或“创意”。同时，随着人工智能与版权领域不断演变，这种视角的转变至关重要。我希望本项目能激励生成式 AI 领域更多负责任和合乎伦理的开发实践。

联系方式

[email protected]