AI與畫家智財訴訟案例系列2：畫家控訴DeviantArt生成式AI著作侵權首輪程序判決被告
占上風
原文連結:
https://bit.ly/4bSKBdT
原文:
本案係由美國三位藝術家於2023年1月，對Stability AI公司開發的DreamStudio、
Midjourney公司開發的Midjourney以及DeviantArt公司開發的DreamUp等生成式AI工具，
向北加州聯邦地院提告著作侵權[1]，業經法院於2023年10月底做出中間判決性質之程序
裁定。雖然許多待證事項，要到證據開示的階段才會逐步浮現，但中間程序判決仍有其重
要性，因為針對其中重要的法律爭議問題，法官多少會流露出其心證，因此仍具參考價值
。本刊之前已介紹Stability AI部分請參本刊美國畫家控告Stability AI生成式AI工具著
作侵權之程序判決出爐，本文續行分析DeviantArt。
本案涉及之DreamUp產品
被告DeviantArt係一成立於2000年的美國徳拉瓦州公司，主要以「線上社群」聞名，可供
數位藝術家在其平台分享作品、交流的社交服務網站。2022年11月它發布DreamUp產品，
係依賴穩定擴散(Stable Diffusion)產生圖像，提供給付費的客戶。原告聲稱，至少有一
個LAION數據集被納入穩定擴散用於訓練圖像（「美術數據集」aesthetic dataset），其
透過抓取100個包括DeviantArt在內網站資料建構數據集。因此，原告指控同案被告
Stability AI從DeviantArt網站，複製可能百萬的訓練圖像，這些圖像是由DeviantArt的
訂閱者所建立，但都是未獲得授權之作品。原告聲稱，DeviantArt將DreamUp和穩定擴散
納入其網站，已違反其自身的服務條款，該條款禁止未經同意將內容用於商業目的。
原告對DeviantArt 的直接侵權指控
原告提出關於DeviantArt直接侵權的三種理論：
(1) 透過發行包含訓練圖像壓縮副本的穩定擴散，作為其DreamUp產品AI圖像產品的一部
分，進行直接侵權；
(2) 透過建立和發行本身就是侵權之衍生著作的DreamUp商品，進行直接侵權；以及
(3) 生成和發行侵權之衍生作品的輸出圖像。
為了支持此主張，原告指出：DreamUp是一款基於網路的應用程式(web-based app)，可根
據文本提示(text prompts)產生圖像。與同案被告Stability AI之DreamStudio產品一樣
，DreamUp也依賴Stability AI的穩定擴散軟體，作為其底層軟體引擎來生成圖像，該穩
定擴散被用在DreamUp內的「軟體庫」。DeviantArt透過DreamUp應用程式，將穩定擴散納
入其網站；原告並引述DeviantArt執行長的話：「DeviantArt決定使用穩定擴散，因為它
是我們採用開源軟體引擎並對其「修改」的唯一選擇。」
針對原告起訴中指控穩定擴散中包含關於「訓練圖像嵌入和儲存的壓縮副本」，主張被告
AI工具輸出圖像，包含接受訓練之受著作權保護作品的壓縮副本，所以是衍生作品，並聲
稱該訓練數據集係由50億張圖像組成，DeviantArt對此強烈反駁，認為這是不合理而難以
置信的；因為龐大的圖像數量，不可能被壓縮到一個可執行的程式中。
法院認為「壓縮副本」需進一步明確定義
就直接侵權的第一個理論，原告指控被告穩定擴散包含訓練圖像的「壓縮副本」，且
DreamUp產品使用這些壓縮副本，而該穩定擴散包含已註冊作品的壓縮副本，但起訴狀卻
另對擴散之運作描述成：「因為一個經過訓練的擴散模型，可產生其訓練圖像中的任何一
個副本（這些圖像數量可能達到數十億），所以擴散模型可被視為儲存這些圖像副本的另
一種形式。實質上，這類似於在電腦上擁有一個包含數十億個JPEG圖像檔案的目錄，但擴
散模型使用統計和數學方法，可以更有效和壓縮的方式來儲存這些圖像」。DeviantArt抗
辯原告此種論調不清楚且不合理，法院認為正確。
法院認為，原告關於「壓縮副本」的指控，與起訴狀中對擴散模型運作過程的描述相矛盾
，因原告已承認擴散過程不涉及圖像複製，而是應用數學方程式和演算法，從訓練圖像中
捕獲概念。因此法院同意被告觀點，要求原告修改起訴狀，以釐清其關於訓練圖像的壓縮
副本理論，並提供相關事實以支持穩定擴散（至少部分為開源程式[2]）如何操作訓練圖
像。如果原告主張穩定擴散包含訓練圖像的「壓縮副本」，則其需明確定義這些所謂的「
壓縮副本」為何，並提供合理的事實；如果原告的壓縮副本理論，是基於穩定擴散包含可
透過演算法或指令執行的數學或統計方法，以便全部或部分重建訓練圖像來創造新的輸出
圖像，則原告需澄清並提供合理的事實來支持。
法院指示原告如何「修改」穩定擴散及壓縮副本之主張
法院表示，視將來起訴狀可能修改指控的事實而定，但DeviantArt可能會對直接侵權主張
進行更具針對性的攻擊。例如，不清楚的是，穩定擴散是否僅包括可應用於建立圖像的演
算法和指令，而這些圖像只含有受著作權保護之訓練圖像的一小部分元素(a few
elements)；如DeviantArt僅透過其應用程式和網站，將穩定擴散作為「文庫」(library)
提供客戶存取使用，則其為何需要對直接侵權負責？凡此種種都還不確定。然而，法院似
未完全排除原告可辯護這一指控的可能性，指出如果原告能合理主張，被告AI產品可讓使
用者，透過明確引用原告姓名的作品來創作新作品，且原告受保護的內容究竟如何，以及
有多少留在穩定擴散中或係被AI最終產品所使用，則其立論可能更堅強。
再者，原告雖引用DeviantArt執行長的說詞，其指出DeviantArt使用穩定擴散，是因為
Stability AI允許DeviantArt「修改」穩定擴散。但問題在於，原告迄未指控這些修改是
什麼？或者是，在穩定擴散的結構下，為何於使用DreamUp時，穩定擴散中可能存有受著
作權保護作品的壓縮副本，而被DeviantArt或其使用者複製的事實。原告迄亦未提供，當
使用者透過應用程式或DeviantArt的網站造訪DreamUp時，關於DeviantArt對其使用者「
發行」穩定擴散之合理指控。凡此，都待原告進一步闡明。
至於原告對直接侵權的第二個理論，即穩定擴散是一個「衍生作品」，因其包含數十億張
受著作權保護圖像的壓縮複本，並透過將穩定擴散合併納入到DreamUp中，DeviantArt對
基於原告作品而「改造」(transformed)所產生的作品應負起責任，這種理論因以上相同
理由亦不被法院認可。
法院判定主張「輸出圖像」係侵權之衍生作品需建構「實質相似性」
就原告的第三個直接侵權理論，即DreamUp生成的「輸出圖像」皆屬於侵權的衍生作品。
DeviantArt抗辯，為了充分支持這點，原告必須主張輸出圖像與受保護作品具有實質相似
性(substantially similar)，但原告卻無法如此主張，因為原告自己在起訴狀中已承認
：「根據擴散過程的運作原理，一般而言，對於特定文本指令提示所回應產生由穩定擴散
輸出的圖像，不太可能與訓練數據中的任何特定圖像互相匹配而相似(close match)」；
參Skidmore as Tr. for Randy Craig Wolfe Tr. v. Led Zeppelin, 952 F.3d 1051,
1064 (9th Cir. 2020)（該案法院認為「非法盜用的特點，是作品之間需存在實質相似性
」）[3]。
原告遂辯稱，根據Range Rd. Music, Inc. v. E. Coast Foods, Inc. (9th Cir. 2012)
案例，不需要去處理「實質相似性」問題。該案涉及透過光碟播放受著作權保護的音樂並
現場表演的指控，該案中法院認定，證明「實質相似性」是無關緊要的，因為音樂公司所
提供的證據，已足以證明公開表演對受著作權保護作品的直接複製。而「實質相似性」的
展現，僅在缺乏直接複製證據的情況下，才是證明侵權所需，但如有直接複製之證據就不
需「實質相似性」；另參Narell v. Freeman, 872 F.2d 907, 910 (9th Cir.1989)（該
案法院指出，當被告實際上複製原告整個作品時，法院將作出「被告複製原告作品的判斷
，而不需進行「實質相似性」的分析」）。
原告依賴以上案例主張，其受著作權保護作品的所有元素，都被全盤複製為訓練圖像，因
此輸出圖像必然是衍生作品，並指出因為系統的每個輸出圖像，都完全源自潛在圖像
(latent images)請參本刊美國畫家控告Stability AI生成式AI工具著作侵權之程序判決
出爐，而這些潛在圖像是受著作權保護圖像的副本。基於此，每個混合圖像必然是衍生作
品。但本案法官否定此一看法，認為本案和Range Road案中的全盤複製和表演不同，有關
壓縮副本和DeviantArt複製的理論需要澄清，並須有可信事實的充分支持。而且原告的另
一個問題是，每一個用於訓練穩定擴散的訓練圖像都擁有著作權，或者所有DeviantArt之
使用者的輸出圖像，都依賴受著作權保護的訓練圖像，因此所有使用穩定擴散輸出圖像，
均構成用於訓練穩定擴散圖像之侵權的衍生作品，這些主張都不合理。
法院援引「衍生作品」與「實質相似性」案例
針對訓練圖像所生成的輸出圖像，法院不同意基於衍生理論的著作權主張，可以在缺乏「
實質相似性」指控的情況下存在。法院認為，被指控侵權的「衍生作品」仍必須與原作具
有一定的相似性，或包含原作品受保護的元素。法院援引4個案例來說明：
1. Jarvis v. K2 Inc., 486 F.3d 526, 532 (9th Cir. 2007)
判定為衍生作品，原告以某種形式提供圖像予被告，隨後這些圖像以完全不同但仍可辨認
的形式應用於拼貼廣告中。該廣告並非僅是簡單地編輯或收集原告的圖像，而是以多種方
式修改，並將它與其他圖像和藝術元素融合成新作品，這些作品係基於原告之原始圖像所
衍生出的新作品。
2. ITC Textile Ltd. v. Wal-Mart Stores Inc., No. CV122650JFWAJWX, 2015 WL
12712311, at *5 (C.D. Cal. Dec. 16, 2015)
即使被告確實對其進行稍微的修改，但此種程度的修改，並不足以在直接複製的案件中避
免構成侵權……，在直接複製的案件中，即使被告作品的最終結果與原告作品稍有不同，
並不能免除其法律責任。
即便被告對其進行了輕微的修改，。作品稍不同，。
3. Litchfield v. Spielberg, 736 F.2d 1352, 1357 (9th Cir. 1984)
一個作品，只有在從源於之前的原作品中實質取材時，方可視為衍生作品。
4. Authors Guild v. Google, Inc., 804 F.3d 202, 225 (2d Cir. 2015)
原作者享有專屬權利的衍生作品，通常是重新呈現原作品中受保護層面的作品，其需具有
表達性之內容(expressive content)。
穩定擴散所輸出的圖像不太可能與原作相同或近似
本案被告提出一個有力的論點，認為法院應駁回原告之衍生作品理論，因為原告從未能合
理地指控，被告所輸出之圖像在實質上與原告之任何作品構成相似，或呈現具有著作權之
訓練圖像中受保護之層面。被告大幅依賴原告自己所一再承認：「對於特定文本提示回應
中所提供的穩定擴散輸出圖像，不太可能與訓練數據中的特定圖像匹配而相似」。被告認
為這在技術上是有道理的：因為使用條件資料(conditioning data)來補值(interpolate)
多個潛在圖像請參本刊美國畫家控告Stability AI生成式AI工具著作侵權之程序判決出爐
，意味著生成的混合圖像，看起來不會與複製到這些潛在圖像中的任何訓練圖像完全相同
或近似。基於此，被告辯稱原告無法單以輸出圖像為合理依據，主張違反著作權法之複製
存在。
亦即原告無法舉出，被告AI工具能生成任何實際上與其構成相同或近似的「偽造品」，可
見，原告已不依賴具體作品間構成實質相似之理論，只能轉而主張所有輸出圖像都是衍生
侵權作品之論述，並補充指控：輸出圖像與原告畫作的「風格」(in the styles)或藝術
認同(artistic identities)相似關於風格相似是否侵權請參本刊「Midjourney與
Stability AI擴散模型自動生成引爆著作侵權疑雲？