减少重绘，多加探索：草图到图像的建议与补全

文献标题

Less Redraw, More Explore: Suggestion and Completion for Sketch-to-Image

出版信息

• 主题领域: 草图到图像系统与共创式人工智能交互技术。
• 关键词: 草图到图像、创意支持、迭代设计、共创式人工智能、AutoSketch、BackSketch、用户主导性、探索性、表现力、人机协作。

背景与问题

• 问题/挑战: 当前的草图到图像系统依赖于静态的输入-输出工作流程，迫使用户陷入繁琐的重绘-再生成循环，阻碍了迭代式创意和探索。
• 重要性: 减少草图到图像工作流程中的迭代摩擦，可以增强创意探索和表现力，使这些系统对普通用户更加易用和高效。
• 动机与相关工作: 之前的研究主要关注算法改进和交互界面设计，但大多将草图视为静态输入，对迭代式优化支持有限。本文通过引入动态、可逆的交互技术来填补这一空白。

解决方案

• 提出的方法: 提出两种新颖的交互技术——AutoSketch（生成前的草图补全）和 BackSketch（生成后的草图建议），以优化草图到图像的工作流程。
• 创新点:
  1. 引入生成前补全（AutoSketch）和生成后建议（BackSketch）技术，降低迭代成本，拓展创意可能性。
  2. 提供将迭代支持嵌入草图到图像流程的设计见解，强调可逆的人工智能贡献，以平衡用户主导性和系统主动性。
  3. 基于30名参与者的实证研究，证明了与基线系统相比，这些技术在探索性、表现力以及感知的共创伙伴关系方面的改进。
• 方法与关键技术:
  • AutoSketch: 允许用户绘制部分草图，并调用人工智能完成有意义的补全。补全内容可以被接受、编辑或撤销，从而实现逐步优化。
  • BackSketch: 将生成的图像转化为多个不同抽象层次的简化草图，为用户提供进一步编辑和探索的替代草图。

结果

• 具体发现:
  • AutoSketch 和 BackSketch 在探索性（Q3: p = 0.014, p = 0.010）和表现力（Q4: p = 0.013, p = 0.056）方面得分高于基线系统。
  • AutoSketch 提高了用户对主导性的感知（Q7: p = 0.035）。
  • 参与者积极采用新功能，每个创意平均调用 AutoSketch 补全1.9次，选择 BackSketch 建议1.57次。
• 相较基线的优势: 两个系统均增强了探索性和表现力，其中 AutoSketch 还提升了用户主导性。参与者更偏好 AutoSketch（57%）和 BackSketch（33%），而基线系统仅为10%。
• 实验/评估:
  • 对30名非专业用户进行对照研究，三种系统以平衡顺序使用。
  • 测量指标包括Likert量表问卷（Q1–Q10）、行为日志和定性反馈。
  • 参与者完成了四分钟的草图绘制任务，每种系统至少绘制两个不同草图。
• 局限性与未来工作: 研究结果局限于短期的探索性实验和非专业用户。未来研究应包括长期研究、专业工作流程以及多模态草图-文本管道。

总结

本文提出了两种新颖的草图到图像交互技术——AutoSketch 和 BackSketch，旨在减少迭代摩擦并增强创意支持。AutoSketch 提供生成前的草图补全，而 BackSketch 提供生成后的草图建议，实现了流畅、可逆的工作流程。一项包含30名参与者的用户研究表明，与基线系统相比，这些技术在探索性、表现力和主导性方面均有显著改进。这些发现突出了时机、可逆性以及系统主动性约束在共创草图工具中的重要性，并对动画和概念插图等创意领域的广泛应用具有重要意义。