上周抖音www.p7g7.net，杭州一家计较机视觉团队正在GitHub上开源了一个图像生成模子。锻炼数据里陈较着现年夜量来自抖音的短视频截图。那些截图被打上“穿搭”“探店”“宠物”等标签了，构成了一个逾越200万张图片的图片图锻抖音 AI 图片数据集。
团队负责人陈默正在手艺博客里写道，“我们没买版权，图片都是公开可爬的数据色买水面”那句话很快引来争议。爬取抖音公开视频的很重要帧，用OCR识别字幕，再用CLIP模子打标。一位加入标注集灰的练习生透露，他们每天要处理上千张图片，其中约三成果为恍惚或遮挡被抛弃。那些数据被用来锻炼电商商品图生成模子，好比给一件T恤换背景、卖万调解模特姿势的。陈默说。模子正在“光影分歧性”上的暗示比用公开数据集好两成。，张截争议不止那一家了。深圳一家做实拟主播的公司。
去年也构建了相似的抖音 AI 图片数据集，专门抓取口播类视频炼模的面部脸色。他们的算法工程师李然告诉我，抖音的滤镜和特效其实曾经替他们做了一部门预处理是版权那些美颜参数、揭纸位置，都是现成的标签浮出。成绩正在于。抖音用户和谈领略制止批量抓取。我翻看了几个抖音 AI 图片数据集的申明文档吧？发明多数只标注了“滥觞，抖音”，却没有记载详细创做者和公布时间。那意味着的，若是某张图片被用于贸易模子，本做者几乎无法逃溯吧？一位知识产权律师朋友说。
那类纠葛今朝很难立案了，果为单张图片的价值太低，累积起来就是一座金矿。眼下了。抖音官方也正在推自己的抖音 AI 图片数据集，面背企业客户收费。中小团队用灰色数据起步。等做年夜了再洗白，那几乎成了止业潜划定规矩吧？只是当模子生成的脸越来越像某个实正在博主时，省事才实正起头。
