[论文解读] What is in a Text-to-Image Prompt: The Potential of Stable Diffusion in Visual Arts Education

Nassim Dehouche, Kullathida Dehouche|arXiv (Cornell University)|Jan 5, 2023

Aesthetic Perception and Analysis被引用 17

一句话总结

论文将文本到图像提示正式化为一种新艺术媒介，使用 Stable Diffusion，并评估其在教授艺术史、美学和技法方面的潜力，同时指出所有权和法律方面的关注。

ABSTRACT

Text-to-Image artificial intelligence (AI) recently saw a major breakthrough with the release of Dall-E and its open-source counterpart, Stable Diffusion. These programs allow anyone to create original visual art pieces by simply providing descriptions in natural language (prompts). Using a sample of 72,980 Stable Diffusion prompts, we propose a formalization of this new medium of art creation and assess its potential for teaching the history of art, aesthetics, and technique. Our findings indicate that text-to-Image AI has the potential to revolutionize the way art is taught, offering new, cost-effective possibilities for experimentation and expression. However, it also raises important questions about the ownership of artistic works. As more and more art is created using these programs, it will be crucial to establish new legal and economic models to protect the rights of artists.

研究动机与目标

• 通过考察文本到图像提示如何在视觉艺术教育中作为一种新媒介来激发研究。
• 将基于提示的生成过程形式化为教授艺术史、美学和技法的媒介。
• 评估潜在收益，如成本效益的实验性以及教育中的表达可能性。
• 确定主要挑战，特别是关于所有权、署名以及对新的法律/经济模型的需求。

提出的方法

• 分析一个包含 72,980 条 Stable Diffusion 提示的数据集，以使基于提示的艺术创作形式化。
• 讨论如何在教育环境中利用提示教学艺术史、美学和技法。
• 强调对教学法的影响，包括成本效益和扩展的实验。

实验结果

研究问题

• RQ1 如何将文本到图像的提示形式化为视觉艺术教育的新媒介？
• RQ2 Stable Diffusion 提示在教授艺术史、美学和技法方面有哪些教育潜力？
• RQ3 通过提示创建的 AI 生成艺术品会带来哪些治理、所有权和权利问题？
• RQ4 对艺术教育中的教学与学习有什么实际和经济影响？

主要发现

• 文本到图像 AI 有潜力通过实现新的、成本有效的实验与表达来彻底改变艺术教育。
• 提示提供了一个正式化的媒介，用于教授视觉艺术教育中的历史、美学和技法。
• AI 生成艺术的兴起引发关于所有权及保护艺术家权益所需新法律和经济模型的重要问题。