Por qué la IA todavía no entiende su intención de diseño (y cómo solucionarlo)

Tabla de enlaces

1. Introducción

2. Trabajo relacionado

   2.1 Diseño de logotipo tipográfico semántico

   2.2 Modelo generativo para el diseño computacional

   2.3 Herramienta de autoría de diseño gráfico

3. Estudio formativo

   3.1 flujo de trabajo common y desafíos

   3.2 Preocupaciones en la participación generativa del modelo

   3.3 Espacio de diseño del trabajo de tipografía semántica

4. Consideración de diseño

5. Típica y ideación 5.1

   5.2 Selección

   5.3 Generación

   5.4 Evaluación

   5.5 iteración

6. Tutorial de la interfaz y 6.1 etapa previa a la generación

   6.2 Etapa de generación

   6.3 Etapa posterior a la generación

7. Evaluación y comparación de referencia 7.1

   7.2 Estudio de usuarios

   7.3 Análisis de resultados

   7.4 Limitación

8. Discusión

   8.1 Diseño personalizado: colaboración consciente de la intención con AI

   8.2 Incorporación del conocimiento de diseño en herramientas de soporte de creatividad

   8.3 flujo de trabajo de diseño orientado a usuario de mezcla

9. Conclusión y referencias

8 Discusión

8.1 Diseño personalizado: colaboración consciente de la intención con AI

El surgimiento de modelos de lenguaje grande ha alimentado un aumento en el diseño de creatividad basado en texto [6, 51, 58]permitiendo a los creadores colaborar con IA utilizando narraciones de lenguaje pure. Mientras que la creación impulsada por el texto ofrece un medio intuitivo para manipular el modelo en el backend sin profundizar en parámetros complejos manualmente, expresando la intención del usuario de manera concisa a través de indicaciones textuales plantea un desafío. La elaboración de un aviso se vuelve particularmente desalentador al describir un diseño visible imaginado, dados los innumerables detalles como el diseño, el shade y la forma que se extienden más allá de la representación textual. Apaño [10] reconoce este desafío y lo aborda mezclando un conjunto de indicaciones textuales para capturar conceptos ambiguos, como “Un shade un poco menos vívido”. Sin embargo, sigue limitado al ofrecer un conjunto predefinido de indicaciones y no puede resolver fundamentalmente el problema de representar conceptos visuales concretos a través de indicaciones.

Para garantizar que la intención de un creador se alinee perfectamente con la colaboración de IA, es essential reflejar las prácticas de diseño actual con materiales de diseño accesibles. El materials de diseño común utilizado por los creadores incluye galerías explorables. [60]bocetos [11]e incluso fotografías que capturan nuestra percepción del mundo [31, 62]. Estos materiales de diseño visible abarcan ambas intenciones explícitas, como la semántica prominente y los factores estéticos implícitos. En el diseño del logotipo, hay un énfasis pronunciado en la identidad, utilizando imágenes con frecuencia para transmitir intenciones. Este aspecto no se puede ignorar en la colaboración de IA, exigiendo una capacidad para que la IA comprenda la semántica visible. Revela que no hay materials universalmente superior para encapsular la intención de un creador; Depende de la tarea de diseño. Esto requiere una colaboración híbrida y multimodal que puede generalizarse de manera versatile a una amplia gama de requisitos.

8.2 Incorporación del conocimiento de diseño en herramientas de soporte de creatividad

Increar el patrón de diseño generalizable en herramientas requiere dirigirse técnico y interacción Desafíos con respecto a cómo los humanos guían el modelo. Los modelos de IA a menudo no están creados para la tarea de diseño especial, lo que plantea desafíos en generalizar a patrones complejos. Por ejemplo, una investigación appreciable [47, 61] se ha profundizado en técnicas de mezcla para una granularidad de tipo de letra específica. Sin embargo, las herramientas de soporte de creatividad están orientadas al usuario, con requisitos de diseño más intrincados, que requieren técnicas avanzadas para acomodar todos los niveles de granularidad de los tipos de letra. En lugar de volver a capacitar un modelo, una investigación significativa ha explorado para cambiar o agregar la interacción con los modelos para incorporar el conocimiento del diseño, como la parametrización de diseño con alimentación de la multitud. [27] e intervención a través de representaciones intermedias [57].

Los aspectos técnicos y de interacción de la incorporación del conocimiento del diseño externalizan la concept de “Equilibrando la automatización y el management” que a menudo se anota por las pautas de diseño humano-AI existentes [1, 2, 19]. La incorporación del conocimiento del diseño controlado por los creadores aborda parcialmente el tema de AI Copyright. Los modelos generativos actuales han enfrentado críticas para muestrear ejemplos del conjunto de capacitación. En Typedance, los usuarios contribuyen con materiales de diseño a través de imágenes, lo que permite una base personalizada en lugar de replicación directa de un conjunto de datos predefinido. Este enfoque no solo mejora la creatividad, sino que también ayuda a establecer un sentido más fuerte de propiedad para los creadores. Completa la automatización con un solo modelo para lograr un resultado de extremo a extremo pasa por alto el valor del usuario. El atractivo de una herramienta de soporte de creatividad, en lugar de confiar únicamente en un modelo, radica en permitir que los creadores participen en etapas cruciales. Esta participación incluye personalizar materiales de diseño, elegir qué conocimiento de diseño transferir al proceso de generación y refinar el resultado closing.