每年兩屆的Comiket 上除了傳統觀念上的同人本外，還有一些偏學術研究性質的同人調查報告、論文發售，其中比較有知名度的是《聲優統計》這個同人論文集，這裡面的高學歷高文化聲豚將聲優的各種公開行動，轉換成數據以數理統計方法來進行觀測與預測。而在今年的C92 上有來自中國的技術團隊在現場發表關於利用AI 創造動畫角色的論文，並且還開設了一個利用該技術製作的自動生成角色形象的網站。
這個技術宅團隊的成員來自上海同濟大學、上海復旦大學、美國卡內基梅隆大學（母校為武漢大學）等知名學府，團隊成員有人已經是ebay 的軟件工程師，該團隊使用的是喜聞樂見的Chainer框架，團隊使用的技術簡單來說是從Getchu 網站上大量抓取日本galgame 遊戲的角色圖片，總計收集到了42000 張的日本galgame 遊戲角色的臉部圖片，之後在利用相關技術將抓取到的圖片按照相對應的屬性進行分類統計，例如微笑、長發、雙馬尾等等。再在這些圖片數據的基礎上構建出生成式對抗網絡模型，讓機器進行深度學習，之後可以讓用戶自己選擇自己喜歡的角色屬性，由機器自動生成一個二次元的萌妹子形象。該團隊配合論文在C92 的發表開設了一個「make.girls.moe」 的網站讓用戶親身體驗通過深度學習的AI 根據你的需求自動創建滿足你屬性喜好的角色形象。
在網站實際生成的圖像中，同樣是黑長直屬性，機器生成的不戴眼鏡的妹子圖像質量更好
就網站實際生成的頭像效果而言，如果添加的要素比較多的話，機器生成的角色形像在圖像方面是有明顯錯位感（其實也可以理解，屬性越多機器進行的思考與配對組合越多） ，雖然團隊說明可以將這些機器生成的角色形像作為自己的twitter 頭像，但生成圖像在質量方面還有改進的空間。雖然這項技術還遠沒有成熟到讓大家隨便丟個屬性進去就能出現一個完美的角色形象，但是對於寫手、畫手來說這種AI 生成的角色形象可以用來作為創作參考，例如將構思的角色屬性丟到AI 裡由AI 生成一個大致的形象，人類創作者再根據AI 生成的粗略形象進行更具體的創作。之前日本的團隊製作的通過深度學習讓AI 自動為人類繪製的線稿上色的服務，這種AI 自動上色、自動創造形象的服務，在中短期來說都將成為創作者進行創作的輔助工具，至於在更長遠的未來能否實現取代人類，那還要看技術的發展。
另外就是這個網站的使用需要一定耐心，尤其是第一次打開網站的話需要等待加載16 M 的文件。
