图片生成类AI是指利用人工智能技术生成图像的模型和算法。以下是一些常见的图片生成类AI：

1、生成对抗网络（GANs）：GANs是一种深度学习模型，通过两个神经网络（生成器和判别器）的对抗训练来生成图像。生成器试图生成逼真的图像，而判别器则试图区分真实图像和生成的图像。
2、变分自编码器（VAEs）：VAEs是一种深度学习模型，通过学习数据的概率分布来生成图像。VAEs由编码器和解码器组成，编码器将输入图像映射到潜在空间，解码器则将潜在空间的表示映射回图像空间。
3、扩散模型（Diffusion Models）：扩散模型是一种生成模型，通过逐步添加噪声来生成图像。该模型通过学习数据的概率分布来生成图像，并且可以生成高质量的图像。
4、StyleGAN：StyleGAN是一种基于GANs的图像生成模型，通过控制生成图像的风格和内容来生成高质量的图像。
5、DALLE：DALLE是一种基于文本的图像生成模型，通过输入文本描述来生成图像。

图片生成类AI的应用包括：

1、艺术创作：AI可以生成艺术作品，如绘画、雕塑等。
2、图像编辑：AI可以用于图像编辑，如图像修复、图像增强等。
3、虚拟现实：AI可以生成虚拟现实场景，如游戏、电影等。
4、广告和营销：AI可以生成广告图像，如产品图像、宣传海报等。
5、医疗图像分析：AI可以生成医疗图像，如CT扫描、MRI图像等。

图片生成类AI的优势包括：

1、高效：AI可以快速生成大量图像。
2、多样性：AI可以生成多样化的图像。
3、高质量：AI可以生成高质量的图像。

然而，图片生成类AI也存在一些挑战和局限性，如：

1、数据质量：AI需要高质量的数据来训练。
2、模式崩溃：AI可能会出现模式崩溃，即生成的图像缺乏多样性。
3、伦理问题：AI生成图像可能会引发伦理问题，如版权问题、虚假信息等。