文本到图像实践社区研究：人们如何及为何提示生成式AI

视频

随着能够从文本生成艺术图像的大型机器学习（ML）模型的普及，图像生成进入了主流。AI艺术爱好者在几个月内在线生成了数百万张图像，揭示了文本到图像（TTI）生成的社会、经济和法律后果。这项工作探索了这一尚未得到充分研究的现象背后的多面社会学和实践。我们旨在理解文本到图像从业者、他们的动机、实践以及他们面临的可及性挑战，以便设想与这项技术的创意和有意义交互。我们分析了两组数据：一份在社交媒体群组和DiffusionDB（发送至Stable Diffusion生成模型的用户文本提示的大型数据集）上收集的64名从业者在线问卷。问卷结果表明，TTI生成是一种来自狭窄社会职业群体的娱乐活动，其用户在平台之间及超越请求-响应交互的范围使用辅助技术。固有的模型限制和寻找合适的提示表述是他们的主要问题。对DiffusionDB数据集的分析为提示符指定符创建了分类法，以及一个能够识别未见提示语义内容的相应模型，进一步揭示了从业者如何构建TTI提示。最后，我们讨论了研究的创意支持设计和socio-technical意义。