1、基于天生对抗网络（GAN）的模型：这些模型可以从给定的数据集中学习并天生新的图像，从而使AI能够“绘画”或“创造”出新的艺术品或图片。
2、基于卷积神经网络（CNN）的模型：这些模型可以对输入的图像进行分类、识别或分割等任务，常用于图像处理和打算机视觉领域。
3、基于循环神经网络（RNN）的模型：这些模型可以根据前面天生的部分图像连续天生新的图像，常用于天生连续的、具有韶光序列性子的图像。
4、基于变分自编码器（VAE）的模型：这些模型可以学习输入图像的潜在特色向量，并利用这些向量天生新的图像，常用于图像压缩和天生。
5、基于强化学习（RL）的模型：这些模型可以通过与环境的交互来学习如何绘制或创作图像，常用于艺术天生和游戏设计等领域。
除此之外，还有很多其他的模型和算法，例如神经样式迁移（NST）、天生对抗正则化（GAR）、自把稳力模型（Self-Attention Model）等，它们在不同的运用处景中有不同的表现和上风。
一些在人工智能绘图中常见的技能和观点详细如下：
Checkpoint：指的是在演习神经网络时，定期保存模型参数的过程。这样可以在演习过程中断时，重新加载模型并早年次的状态连续演习。
Textual Inversion：指的是利用神经网络将一张图片转换为相应的笔墨描述。这个技能可以运用于图像标注和图像搜索等任务。
Hypernetwork：指的是利用一个神经网络来天生另一个神经网络的参数。这个技能可以用来办理神经网络的参数数量过多的问题。
Aesthetic Gradient：指的是一种技能，可以通过改变输入图像的像素值，来掌握神经网络天生图像的样式和外不雅观。
LoRA：指的是“Level of Detail-based Renderings of Artistic styles”的缩写，是一种用于将艺术风格运用于三维渲染的技能。
LoCon：指的是“Local Control”技能，可以使神经网络天生的图像在一定程度上遵照输入图像的局部构造。
Controlnet：指的是一个神经网络模型，用于掌握另一个神经网络的天生过程。这个技能可以用于天生具有特定风格
以上内容来源于科技，以下图片来源于根据模型演习的图片样例！