利用文本到图像扩散模型阐释经典巴西书籍

近年来，生成式人工智能（GenAI）在处理涉及多种模态的复杂任务（如文本、听觉、视觉和绘图生成）方面经历了深远变革。在这一范畴内，文本到图像（TTI）模型已成为一种强大的生成方法，能够制造多样且富有审美的构图，涵盖从艺术创作到逼真面部合成等应用，并在计算机视觉、图像处理和多模态任务中取得显著进展。潜在扩散模型（LDMs）的出现标志着AI能力范式的转变。本文探讨了采用 Stable Diffusion LDM 来阐释文学作品的可行性。为此探索，选取了七本经典巴西书籍作为案例研究。旨在确定这一举措的可行性，并评估Stable Diffusion 在产生增强和丰富读者体验的插图方面的潜力。我们将概述其有益方面，如生成独特且与上下文相关的图像的能力，以及缺点，包括在忠实地捕捉复杂文学描绘的方面存在的不足。通过本研究，我们旨在为在文学语境中利用AI生成插图的可行性和有效性提供全面评估，阐明在这一技术 pioneering 应用中遇到的前景和挑战。