AI创作图片主要通过生成对抗网络（Generative Adversarial Networks，简称GANs）和扩散模型（Diffusion Models）等技术实现。以下是一些常见的AI创作图片的方法：

1、GANs：GANs由生成器和判别器组成。生成器负责生成新的图像，而判别器则尝试区分生成的图像和真实的图像。通过不断训练，生成器可以生成越来越逼真的图像。

2、Diffusion Models：扩散模型是一种基于概率模型的方法，它通过逐步添加噪声来生成图像。在训练过程中，模型学习如何从噪声中恢复出原始图像。在生成过程中，模型从随机噪声开始，逐步减少噪声，最终生成一张清晰的图像。

3、VAEs（变分自编码器）：VAEs是一种无监督学习方法，用于学习数据的潜在表示。它们可以用来生成新的图像，但通常不如GANs和扩散模型生成的图像质量高。

4、CLIP Guided Diffusion：这是一种结合了CLIP（Contrastive LanguageImage Pretraining）和扩散模型的方法，可以生成与给定文本描述相匹配的图像。

5、Stable Diffusion：这是一种开源的图像生成模型，可以生成高质量的图像，并且可以根据文本描述进行控制。

这些方法都需要大量的计算资源和数据来进行训练。一旦训练完成，就可以使用这些模型来生成新的图像。