基于生成式人工智能的新型艺术设计方法：从创作效率视角展开的分析
A New Art Design Method Based on AIGC: Analysis from the Perspective of Creation Efficiency
Jian Rao, Mengzhen Xiong
2023-10-20
订阅获取艺术设计被引 14
摘要
随着“人工智能生成内容（AI GC）”技术的发展，艺术与设计领域正经历新一轮变革。随着生成对抗网络、扩散模型以及Transformer架构等人工智能技术被应用于视觉文本领域，艺术设计已从传统的以个人灵感为核心的创作模式，转变为由人工智能大模型驱动的创作模式。本文从艺术设计创作的效率出发，提出了一种基于提示词工程的新颖“文本-图像”迭代式艺术创作方法，并详细阐述了借助生成式人工智能工具进行艺术创作的具体流程与步骤。同时，研究通过问卷调查、半结构化访谈等方法，对教师与设计专业学生的创作方式进行了定量分析。不过，现有生成式人工智能工具在深层文化语义理解方面表现欠佳，仍需人工加以补充完善。基于上述研究结果，本文进一步探讨了生成式人工智能工具的后续发展方向：应以动态实时交互为核心，将多模态领域信息整合嵌入创作过程，从而实现动态创作并提升作品质量。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- AIGC技术推动了艺术设计从传统的个人灵感驱动模式向AI大模型驱动模式转变。基于创作效率视角，本文提出了一种基于提示词工程的“文本-图像”迭代艺术创作新方法，并详细阐述了利用AIGC工具进行创作的具体流程与步骤。
- 研究方法
- 研究综合运用了问卷调查与半结构式访谈等实证方法。通过这些方法，对教师与设计专业学生的创作方法进行了定量分析，以探讨AIGC工具在艺术设计创作中的应用情况。
- 学术贡献
- 本文揭示了AIGC技术对艺术设计创作模式的变革性影响，突破了传统灵感中心的局限。同时，构建了基于提示词工程的“文本-图像”迭代创作方法，为AIGC时代的艺术设计实践提供了新的方法论指导与流程规范。
- 存在局限
- 当前AIGC工具在深层文化语义的理解与生成上存在明显不足。针对这一缺陷，生成的作品仍需依赖人工进行进一步的补充与修正，尚未实现完全的自主高质量创作。
- 进一步研究方向
- AIGC工具的后续发展应以动态实时交互为核心导向。未来需将多模态领域信息整合并嵌入到创作过程中，以此实现动态创作模式，从而有效提升艺术作品的整体质量。
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Digital Media and Visual Art