AIGC 图像应用广泛，主要包括以下方面：
数据增强：通过生成新的图像来提高机器学习模型的性能。 艺术创作：用于生成艺术作品。 产品图像生成：如生成虚拟现实场景或进行图像修复。一些具有代表性的海外项目有：
Stable Diffusion（Stability AI）：文本生成图像模型，由 VAE、U-Net 网络和 CLIP 文本编码器组成，通过特定流程实现图像生成。 DALL-E 3（Open AI）：基于 ChatGPT 构建的新型神经网络，能从文字说明直接生成图像。 StyleGAN 2（NVIDIA）：生成对抗网络，可生成逼真的人脸图像。 DCGAN（Deep Convolutional GAN）：使用卷积神经网络的生成对抗网络，可生成各种类型的图像。国内也有相关项目。
图像生成离不开深度学习算法，如生成对抗网络（GANs）、变分自编码器（VAEs）以及 Stable Diffusion 等，以创建与现实世界图像视觉相似的新图像。
