[论文解读] A Portrait of Emotion: Empowering Self-Expression through AI-Generated Art

Yoon Kyung Lee, Yong-Ha Park+1 more|arXiv (Cornell University)|Apr 26, 2023

Creativity in Education and Neuroscience被引用 7

一句话总结

本研究探讨了生成式AI如何通过艺术表达反映人类情感意图，利用详细的感性描述来引导图像生成。结果显示，基于情感叙事的AI生成艺术比基于事件的提示更受青睐，但过度依赖刻板印象会损害对齐度与美学质量，表明在经过深思熟虑的引导下，AI可增强情感自我表达。

ABSTRACT

We investigated the potential and limitations of generative artificial intelligence (AI) in reflecting the authors' cognitive processes through creative expression. The focus is on the AI-generated artwork's ability to understand human intent (alignment) and visually represent emotions based on criteria such as creativity, aesthetic, novelty, amusement, and depth. Results show a preference for images based on the descriptions of the authors' emotions over the main events. We also found that images that overrepresent specific elements or stereotypes negatively impact AI alignment. Our findings suggest that AI could facilitate creativity and the self-expression of emotions. Our research framework with generative AIs can help design AI-based interventions in related fields (e.g., mental health education, therapy, and counseling).

研究动机与目标

• 探究生成式AI如何通过艺术输出反映创作者的认知与情感过程。
• 评估用户意图与AI生成的视觉情绪表达之间的对齐程度。
• 评估情感描述质量对图像美学、新颖性及感知深度的影响。
• 识别过度表现刻板印象或过度强调视觉元素等局限性，这些因素会降低对齐度。
• 开发基于AI的干预研究框架，用于心理健康、心理治疗及情感教育。

提出的方法

• 参与者提供关于个人情感经历的详细文字描述，以指导文本到图像的扩散模型。
• 根据与情感意图的对齐度、美学质量、新颖性、趣味性及情感深度评估AI生成的图像。
• 对基于情感叙事与基于主要事件描述生成的图像进行对比评估。
• 结合定性与定量评估方法，分析用户偏好及对意图情感的感知对齐度。
• 采用受控设计，以隔离情感具体性与刻板视觉线索对图像质量及用户感知的影响。

实验结果

研究问题

• RQ1 基于文字描述，AI生成的艺术在多大程度上能准确反映用户的感情意图？
• RQ2 情感叙事与基于事件的描述在生成具有美学与情感吸引力的图像方面有何差异？
• RQ3 视觉刻板印象或过度强调的元素在多大程度上降低了用户意图与AI输出之间的对齐度？
• RQ4 用户如何感知基于情感输入的AI生成艺术的新颖性、趣味性与深度？
• RQ5 基于AI生成艺术的结构化框架是否能在心理治疗或教育环境中支持情感自我表达？

主要发现

• 参与者显著偏好基于情感描述生成的AI图像，而非基于叙事事件的图像。
• 基于情感描述生成的图像在感知情感深度与美学质量方面评分更高。
• 特定视觉元素或文化刻板印象的过度表现会负面影响用户意图与实际情感之间的对齐感知。
• 刻板图像的出现降低了生成艺术的新颖性与真实感感知。
• 研究证实，当提示语具备丰富情感与情境细微性时，AI可作为情感自我表达的可行媒介。
• 该研究框架展示了在心理健康与情感教育干预中整合AI生成艺术的潜力。