[논문 리뷰] Everyone Can Be Picasso? A Computational Framework into the Myth of Human versus AI Painting

Yilin Ye, Rong Huang외 2명|arXiv (Cornell University)|2023. 04. 17.

Aesthetic Perception and AnalysisNeuroscience인용 수 3

한 줄 요약

이 논문은 신경 잠재공간 분석과 계산적 미학을 결합한 계산 프레임워크를 제안하여 인간과 AI가 생성한 그림를 정량적으로 비교한다. 잠재공간과 스트로크, 날카움과 같은 미학적 특성에서의 분포상의 상당한 차이를 드러내며, 인간 예술가가 새로운 스타일을 발전시킬 수 있는 능력이 뛰어나다는 점을 보여주며, AI 예술은 더 깊은 인간-AI 협업과 미학 인지 설계를 통해 향상시킬 수 있음을 시사한다.

ABSTRACT

The recent advances of AI technology, particularly in AI-Generated Content (AIGC), have enabled everyone to easily generate beautiful paintings with simple text description. With the stunning quality of AI paintings, it is widely questioned whether there still exists difference between human and AI paintings and whether human artists will be replaced by AI. To answer these questions, we develop a computational framework combining neural latent space and aesthetics features with visual analytics to investigate the difference between human and AI paintings. First, with categorical comparison of human and AI painting collections, we find that AI artworks show distributional difference from human artworks in both latent space and some aesthetic features like strokes and sharpness, while in other aesthetic features like color and composition there is less difference. Second, with individual artist analysis of Picasso, we show human artists' strength in evolving new styles compared to AI. Our findings provide concrete evidence for the existing discrepancies between human and AI paintings and further suggest improvements of AI art with more consideration of aesthetics and human artists' involvement.

연구 동기 및 목표

• 인간과 AI가 생성한 그림 간에 외관상 유사성 이상의 의미 있는 차이가 존재하는지 과학적으로 조사하기.
• 특히 새로운 예술 스타일을 개발하는 데서 AI가 인간 예술가와 비견되거나 뛰어나게 할 수 있는지 평가하기.
• 현재 AI 예술 생성 기술의 한계를 데이터 기반으로 분석하고, AI 예술 시스템의 향상 방향을 안내하기.
• 인간 예술가와 AI 간의 윤리적이고 효과적인 협업을 촉진하기 위해, AI 출력물의 주요 미학적 및 구조적 격차를 특정하기.

제안 방법

• 딥 네럴 네트워크 임bedding(잠재공간)을 활용하여 인간 및 AI 출처의 그림에서 고수준의 시각적 및 의미적 특징을 포착하는 프레임워크.
• 색상, 구성, 날카움, 스트로크 복잡성 등의 계산적 미학 지표를 조합하여 인지적 및 스타일적 차이를 정량적으로 평가.
• 잠재 특성의 통계적 분포를 비교하기 위해 분포 불일치 측정(예: 쿨백-라이블러 발산 또는 어스 모버의 거리)을 활용.
• 대규모 그림 컬렉션의 탐색적 분석을 지원하기 위해 상호작용 가능한 시각화 인터페이스를 도입하여 클러스터링, 분포 비교, 시간에 따른 진화 추적 기능 제공.
• 피카소를 포함한 개별 예술가 분석을 통해 잠재 궤적 모델링과 미학적 특성의 진화를 활용해 시간에 따른 스타일 진화를 평가.
• 특히 스트로크 변동성과 손의 해부학적 정확성과 같은 미세한 특징에 대해 모델 출력을 평가하고 예술가 피드백을 통한 피드백 루프를 도입하여 미학 제약을 정교화.

실험 결과

연구 질문

• RQ1 인간과 AI가 생성한 그림의 잠재공간 분포 간에 체계적인 차이가 존재하는가?
• RQ2 색조 조화, 구성, 날카움, 스트로크 품질과 같은 주요 미학적 특성에서 인간과 AI 그림는 어떻게 비교되는가?
• RQ3 AI 모델이 인간 예술가와 유사한 방식으로 새로운 예술 스타일을 시간이 지남에 따라 진화시킬 수 있는가?
• RQ4 AI가 생성한 그림에서 특정한 미학적 단점은 어떤 것이 있으며, 이를 모델 정교화를 통해 정량적으로 확인하고 보완할 수 있는가?
• RQ5 인간 예술가가 AI 예술 개발에 의미 있게 통합될 수 있는 방법은 무엇인가? 특히 진정성, 독창성, 예술적 가치 향상 측면에서.

주요 결과

• AI가 생성한 그림는 스트로크와 날카움과 같은 미학적 특성뿐만 아니라 잠재공간에서도 인간 그림와 상당한 분포상의 차이를 보이며, 이는 서로 다른 기반 표현 방식을 시사한다.
• 반면, 색상과 구성 특성은 덜 분리되어 있어, AI 모델이 이러한 인지적 차원에서 인간과 유사한 성능을 보임을 시사한다.
• 피카소의 작업을 개별적으로 분석한 결과, 인간 예술가는 시간이 지남에 따라 새로운 예술 스타일을 진화시키고 혁신하는 독특한 능력을 보이며, 현재의 AI 모델은 이를 아직 따라오지 못하고 있음을 확인하였다.
• AI가 생성한 그림는 특히 손의 해부학적 정확성과 일관된 스트로크 변동성과 같은 미세한 미학적 세부 사항에서 뚜렷한 약점을 보이며, 이는 인간 예술 표현의 상징적 특징이다.
• 정량적 분석을 통해 AI 예술은 엣지 검출 또는 인간 유사 스트로크 역학을 유지하는 손실 함수를 통합함으로써 특정한 미학적 보완을 통해 향상시킬 수 있음을 확인하였다.
• 연구는 AI 훈련 데이터의 핵심 문제, 즉 투명성 부족과 잠재적 편향을 특정하였으며, 이는 예술가의 저작권과 예술적 정통성에 위협이 되므로 더 윤리적인 데이터 관행을 촉구한다.