作为画家的扩散模型：我们正缩小人与机器的差距吗？
人工智能
2023-06-01 v3 人机交互
摘要
人工智能的一个重要里程碑是开发出能够生成与人类画作无法区分的绘图算法。在此，我们改编 Boutin 等人 2022 年的“多样性 vs. 可识别性”评分框架，发现一次性扩散模型确实已开始缩小人与机器之间的差距。然而，使用对原始样本新颖性的更细粒度度量，我们表明增强扩散模型的引导有助于提升其画作的人类相似度，但它们仍不足以逼近人类画作的新颖性与可识别性。将通过在线心理物理学实验收集的人类类别诊断特征与从扩散模型导出的特征相比较，揭示出人类依赖更少且更局部化的特征。总体而言，我们的研究表明扩散模型已显著帮助提升机器生成绘图的质量；然而，人与机器之间仍存在差距——部分可由视觉策略上的差异解释。
引用
@article{arxiv.2301.11722,
title = {Diffusion Models as Artists: Are we Closing the Gap between Humans and Machines?},
author = {Victor Boutin and Thomas Fel and Lakshya Singhal and Rishav Mukherji and Akash Nagaraj and Julien Colin and Thomas Serre},
journal= {arXiv preprint arXiv:2301.11722},
year = {2023}
}