AI构思：设计一个人工智能与人协作的构思系统给概念设计师

研究背景与问题

• 作者发现了哪些问题或挑战？ 作者识别了概念设计师在早期构思阶段面临的挑战，包括搜集参考资料困难、生成多样化的设计变化、以及需要快速完成任务的极端时间压力。此外，现在的生成式人工智能工具往往缺乏对复杂设计工作流的支持，并且不符合设计师的迭代流程。

• 为什么这个问题很重要？ 概念设计师在娱乐产业中承担着将创意转化为图像的关键角色，涵盖电影、游戏和电视领域。在早期构思阶段创意受到限制会影响整个设计流程的效率和质量，同时可能导致不满足客户需求的结果。随着生成式人工智能的快速发展，更好地将AI整合进设计师工作流成为一个关键研究方向。

• 研究动机与相关工作 许多现有的人工智能工具难以支持设计工作的迭代和探索性实践（例如细化和灵活性）。之前的研究已尝试将生成式AI应用于图形设计、动画和室内设计等领域，但对于概念设计师这样一个高度特化领域的支持仍较少。因此作者旨在设计一个人机协作工具，通过系统化支持设计师的特点化工作流程来改善这些挑战。

解决方案

• 作者提出了哪些方法或解决方案？ 作者设计并实现了一个人机协作的思维工具——AIdeation。该系统通过集成多个生成模型和关键词提取功能来增强概念设计师在早期创意阶段的效率和质量。

• 该解决方案的创新之处是什么？ AIdeation针对设计师提出了以下三大设计目标：

  • 使用自然语言输入支持广度探索，生成多样化的设计想法。
  • 提供深入研究功能，为每个设计概念提取关键词并链接参考资源以支持深度探索。
  • 提供灵活的迭代功能，通过整合参考或自然语言指令来细化设计，增强创意控制。

  与现有AI工具相比，其核心创新在于将研究、头脑风暴及设计细化整合至一体，并符合设计师的迭代工作流程。

• 实施步骤是什么？使用了哪些关键技术？

  • 广度探索（脑暴阶段）：基于用户输入，使用GPT模型生成多个设计概念，并由DALL-E 3创作视觉图像。生成结果按主题、内容、艺术风格、光影氛围等分类概述。
  • 深度探索（研究阶段）：通过关键词提取GPT生成关键词，并链接到实际图像搜索引擎（如Bing Image Search）提供可用于参考的真实图片。
  • 灵活迭代（细化阶段）：通过组合参考图像或自然语言指令生成新的设计变种，支持用户扩展现有设计或聚焦特定设计元素。

研究成果

• 取得了哪些具体成果？

  • 在16名专业环境概念设计师参与的对比实验中，AIdeation显著提升了创意效率、生成多样化设计概念的能力，以及参与者的满意度和任务完成感受。
  • 在实际商业项目的为期一周的现场研究中，4个设计工作室报告了该工具在创意增强和质量提升方面的实际效果，两家工作室在实验结束后继续使用AIdeation。

• 与现有解决方案相比，它有哪些优势？

  • AIdeation显著提升了广度和深度探索能力，同时支持了设计师工作流中的灵活迭代。
  • 与MidJourney、DALL-E等单步生成工具相比，AIdeation提供了更高的设计可控性和任务相关信息整合能力。
  • 不仅生成视觉图像，还通过关键词提取功能提供可验证的参考信息，有效解决生成内容的“AI幻觉”问题。

• 实验或评估结果是什么？

  • 对比实验中，参与者认为AIdeation在提升创意（p = 0.001）、任务效率（p = 0.003）和满意度（p = 0.005）方面优于原工作流。
  • 在现场测试中，部分工作室报告项目完成时间减少了25%-60%，同时提高了设计品质。

• 局限性与未来方向

  • 局限性：当前系统的控制功能较初级，无法精确调整诸如光线、构图等视觉细节；生成内容的艺术风格仍较为单一。
  • 未来方向：
    • 增强对生成结果的详细控制能力，例如添加Inpainting功能。
    • 提供多种生成模型选择（如MidJourney或稳定扩散），进一步支持多样化艺术风格。
    • 开发个性化与自适应功能，根据用户偏好和任务阶段动态优化反馈，拓展至其他设计领域如工业设计、时尚设计等。

通过上述分析，我们可以看到AIdeation成功满足了概念设计师早期构思阶段的重要需求，为未来AI工具在设计领域的应用提供了新的视角。