AI绘画系统的源码涉及到复杂的机器学习算法和深度神经网络模型，通常由专业的开发团队使用Python、TensorFlow、PyTorch等工具和技术进行开发。这些系统的核心是生成对抗网络（GANs）或变分自编码器（VAEs）等技术。

由于AI绘画系统的复杂性和专业性，开源的完整实现相对较少。不过，有一些开源项目提供了部分功能或示例代码，可以帮助你入门和理解相关技术。以下是一些相关的资源：

1、Pix2Pix：这是一个基于TensorFlow的开源项目，用于图像到图像的转换任务，可以作为参考来学习如何构建类似的系统。
项目地址：https://github.com/affinelayer/pix2pixtensorflow

2、StyleGAN：这是NVIDIA发布的一个强大的GAN模型，用于生成高质量的人脸图像。虽然主要用于人脸生成，但其核心思想和架构对于其他类型的图像生成也很有帮助。
项目地址：https://github.com/NVlabs/stylegan

3、DeepArt：这个项目展示了如何使用深度学习技术将艺术风格应用到照片中。
项目地址：https://github.com/alejandrojc95/deeparttensorflow

4、PyTorch GAN Zoo：这是一个包含多种GAN模型的库，包括一些基础的GAN模型实现。
项目地址：https://github.com/NVlabs/stylegan2adapytorch

5、TensorFlow官方教程：TensorFlow官方提供了一些关于GAN的教程和示例代码。
教程链接：https://www.tensorflow.org/tutorials/generative/dcgan

6、PyTorch GAN Collection：这个项目收集了多种GAN模型的实现，包括DCGAN、WGAN等。
项目地址：https://github.com/eriklindernoren/PyTorchGAN

7、CycleGAN：这是一种无监督的学习方法，用于图像到图像的转换，例如将马变成斑马等。
项目地址：https://github.com/junyanz/pytorchCycleGANandpix2pix

请注意，这些项目可能需要一定的机器学习和编程基础才能理解和使用。如果你是初学者，建议先从基本的机器学习概念开始学习，并逐步深入到更复杂的模型和技术。