Loading...
机构名称:
¥ 1.0

我们是否可以得出计算指标来量化智能代理的图纸中的视觉效果,同时考虑到技术技能和风格的固有差异?为了回答这个问题,我们策划了一个新颖的数据集,该数据集由儿童,成人和AI的1338张图纸组成。我们描述了图纸的两个方面 - (1)样式和(2)内容。对于样式,我们定义了墨水密度,墨水分布和元素数量的度量。对于内容,我们使用专家注册的类别来研究概念多样性,以及图像和文本嵌入来计算距离量度。我们比较了儿童,成人和AI绘画的样式,内容和创造力,并建立了简单的模型来预测专家和自动化的创造力分数。我们发现小组样式和内容的显着差异 - 儿童的图纸具有更多的组合,AI图纸具有更大的墨水密度,并且成人图纸显示出最大的概念多样性。值得注意的是,我们高度揭示了通过专家和自动化评分获得的创造力判断之间的错误对准,并讨论了其影响。通过这些努力,我们的工作为我们的知识提供了最大的框架,它是研究人类和人工创造力以外的文本方式,并试图达到创造力基础的领域 - 不足的原则。我们的数据和脚本可在GitHub *上找到。

arxiv:2502.05999v1 [CS.HC] 2025年2月9日

arxiv:2502.05999v1 [CS.HC] 2025年2月9日PDF文件第1页

arxiv:2502.05999v1 [CS.HC] 2025年2月9日PDF文件第2页

arxiv:2502.05999v1 [CS.HC] 2025年2月9日PDF文件第3页

arxiv:2502.05999v1 [CS.HC] 2025年2月9日PDF文件第4页

arxiv:2502.05999v1 [CS.HC] 2025年2月9日PDF文件第5页

相关文件推荐