创意模式：用户输入如何塑造 AI 生成的视觉多样性
人机交互
2024-10-10 v1
摘要
近期关于人工智能生成视觉内容的批评指出，此类系统常复制其训练数据集中的模式，导致内容高度均匀、多样性降低。我们的研究采取了一种新颖的方法，聚焦于用户在与文本到图像模型交互过程中的行为。我们不仅分析训练数据中的模式，更考察用户倾向于创建原创提示还是依赖常见模板如何影响内容的均匀化。我们开发了三个原创性指标——词汇层面的原创性、主题层面的原创性和词语序列的原创性——并将其应用于来自两个数据集 (DiffusionDB 和 Civiverse) 的用户生成提示。此外，我们还探讨了主题选择、语言原创性以及是否存在 NSFW 内容如何影响图像受欢迎程度，使用线性回归模型预测用户参与度。我们的研究通过强调用户行为在塑造 AI 生成视觉内容多样性方面的关键作用，拓展了关于人工智能对创意影响的讨论。
引用
@article{arxiv.2410.06768,
title = {Patterns of Creativity: How User Input Shapes AI-Generated Visual Diversity},
author = {Maria-Teresa De Rosa Palmini and Eva Cetinic},
journal= {arXiv preprint arXiv:2410.06768},
year = {2024}
}