IdeaBlocks：用于生成式 AI 表达和复用多样化意图的图形设计探索
人机交互
2026-05-12 v4
摘要
虽然设计师日益依赖生成式 AI 进行发散性探索，但当前交互方式针对收敛性 refine 进行优化，迫使用户指定固定目标，而非开放式搜索空间。基于 N=7 的形式化研究，我们定义了多样化意图的解剖学，包括属性、方向和范围，并识别了两个关键障碍：缺乏显式塑造探索参数边界的机制，以及难以复用成功的搜索策略。我们提出 IdeaBlocks，用户可将多样化意图模块化为 Exploration Blocks。用户可在多个层级（块、路径和项目）复用先前意图，支持字面复用或情境自适应复用。在 N=12 的比较研究中，使用 IdeaBlocks 的参与者比基准组探索了 2.13 倍更多图像，视觉多样性提高 12.5%，表明结构化意图表达和复用如何支持有效的发散性。三天的部署研究（N=6）进一步揭示了不同复用机制如何允许不同的创造策略，为未来意图感知的创意支持提供了设计启示。
引用
@article{arxiv.2507.22163,
title = {IdeaBlocks: Expressing and Reusing Divergent Intents for Graphic Design Exploration using Generative AI},
author = {DaEun Choi and Kihoon Son and Jaesang Yu and Hyunjoon Jung and Juho Kim},
journal= {arXiv preprint arXiv:2507.22163},
year = {2026}
}