AI绘画主要利用了以下技术：
深度学习：
深度学习是一种模拟人脑神经网络的学习方法，通过大量数据训练，使计算机具备识别、分类和生成能力。在绘画领域，深度学习算法可以从大量艺术作品中学习到绘画技巧、风格和审美规律，进而生成新的艺术作品。
生成对抗网络（GAN）：
GAN是一种由生成器和判别器构成的双向网络结构。生成器负责生成图像，而判别器用于评估生成图像的真实性，二者的不断“博弈”使得生成图像质量不断提高。GAN在AI绘画中应用广泛，能够模拟人类绘画的复杂性，并具备较强的自我迭代和优化能力。
卷积神经网络（CNN）：
CNN是一种常用的神经网络模型，用于处理图片、视觉和语音等数据。在AI绘画中，CNN可以用于提取图像风格特征，实现风格迁移，即将一种艺术风格应用到普通图片上。
扩散模型：
扩散模型是一种通过不断去噪生成图像的方法，特别适合生成高清晰度的图片。该技术让AI绘画在细节处理和层次感上有更好的表现。
风格迁移：
通过卷积神经网络（CNN）提取图像风格特征，将一种艺术风格（如印象派、野兽派、立体主义等）应用到普通图片上，实现风格化转换。
概率去噪扩散算法：
这是一种通过神经网络学习从纯噪声开始逐渐去噪的过程，分为前向阶段和逆向阶段。前向阶段对图像逐步施加噪声，最终图像被破坏变成完全的高斯噪声；逆向阶段学习从高斯噪声还原为原始图像。这种算法将原始图像域建模转变为噪声域建模，有助于提高AI绘画的图像质量和细节表现。
这些技术的结合使得AI绘画能够在模仿传统绘画的同时，实现创新性和实验性的艺术创作，并在创意产业中得到广泛应用。