解释性行动：通过弯曲扩散模型在ComfyUI中实现可表达的操控与隐性理解
人机交互
2025-08-12 v1 人工智能
机器学习
多媒体
摘要
可解释人工智能(XAI)在创意语境下的解释性可以超越透明度，支持艺术性参与、可修改性以及持久的实践。虽然精选数据集和训练人类规模的模型可以为艺术家提供更大的自主性和控制力，但大规模生成模型如文本到图像扩散系统往往掩盖了这些可能性。我们认为，即使是大型模型，也可被当作可操作的创作材料，前提是其内部结构被暴露并可被操控。我们提出一种基于手工艺的解释性方法，根植于类似Sch"on所述的"行动中的反思"的长期、动手的参与之中，并通过集成到ComfyUI节点界面中的模型弯曲与检查插件来演示其应用。我们展示，通过交互式地操控生成模型的不同部分，艺术家可以develop对每个组件如何影响输出的直觉。
引用
@article{arxiv.2508.07183,
title = {Explainability-in-Action: Enabling Expressive Manipulation and Tacit Understanding by Bending Diffusion Models in ComfyUI},
author = {Ahmed M. Abuzuraiq and Philippe Pasquier},
journal= {arXiv preprint arXiv:2508.07183},
year = {2025}
}
备注
In Proceedings of Explainable AI for the Arts Workshop 2025 (XAIxArts 2025) arXiv:2406.14485