LatentGandr: 基于局部嵌入的生成式 AI 潜在空间可视化探索
人机交互
2026-04-23 v1
摘要
生成式 AI 在创意设计领域展现了巨大潜力，能够快速生成视觉内容和富有想象力的概念。尽管深度 AI 模型在潜在空间中实现了有效的特征化，但在该空间中导航仍是一项挑战。当前的技术（如 GANSlider 和 SliderSpace）使用多个滑块在生成式 AI 的潜在空间中生成高维向量。尽管应用（全局）PCA 来减少滑块数量，但随着控制维度的增加，这些方法在可扩展性和可用性方面面临困难。在本文中，我们介绍了 LatentGandr，这是一种可视化分析技术，通过从高维潜在空间的嵌入中提取局部线性维度来促进潜在空间探索。通过分析嵌入的拓扑和局部曲率，LatentGandr 自动识别局部邻域并使用局部化 PCA 计算其主成分。这些局部主成分被可视化为交互式图像网格，允许用户高效地探索和控制生成过程，为优化新内容与概念的生成提供直观手段。为了评估 LatentGandr 的有效性，我们进行了一项研究，将其与 GANSlider（当前生成式 AI 模型最先进的可视化界面）进行比较。研究结果揭示了局部化探索技术如何增强用户与这些模型的交互。
引用
@article{arxiv.2604.19953,
title = {LatentGandr: Visual Exploration of Generative AI Latent Space via Local Embeddings},
author = {Mingwei Li and Suyang Li and Daisuke Sakurai and Bei Wang and Remco Chang},
journal= {arXiv preprint arXiv:2604.19953},
year = {2026}
}