AI图片大模型通常指的是使用深度学习技术，尤其是卷积神经网络（CNN）来处理和生成图像的大型机器学习模型。这些模型可以用于各种任务，包括图像识别、图像分割、风格迁移、超分辨率以及生成新的图像内容等。

以下是一些知名的AI图片大模型：

1、VGGNet: 由牛津大学的视觉几何组（Visual Geometry Group）开发，是早期深度卷积神经网络之一，主要用于图像分类任务。

2、ResNet (残差网络): 通过引入残差连接解决了深层网络的训练问题，在多个图像识别比赛中取得了很好的成绩。

3、Inception (GoogLeNet): Google开发的模型，通过多尺度特征提取提高了网络的性能。

4、MobileNet: 设计用于移动和嵌入式视觉应用的轻量级深度神经网络。

5、DenseNet (密集连接网络): 通过特征重用增强了模型的性能和泛化能力。

6、UNet: 主要用于医学图像分割，其U形结构使得模型能够有效地进行上下文信息的融合。

7、GANs (生成对抗网络): 如DCGAN、StyleGAN等，用于生成高质量的图像，例如人脸、风景画等。

8、EfficientNet: 通过统一缩放网络深度、宽度和分辨率来构建高效的网络架构。

9、BERT for Vision (ViLBERT): 将自然语言处理中的BERT模型应用于视觉领域，以理解视频或图像中的对象及其关系。

这些模型通常需要大量的标注数据来进行训练，并且随着硬件计算能力的提升和算法的优化，它们在处理复杂图像任务时的表现也在不断提升。在实际应用中，根据具体需求选择合适的模型架构是非常重要的。