探索用户对生成式AI重建日常照片的体验
生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作
生成式AI在日常照片记录中的潜力在于其能够通过重建日常照片的方式,生动捕捉用户体验,从而支持更有意义的记录。基于这一潜力,我们旨在探索通过重建日常照片可能产生的新体验。我们让12名参与者在10-20天内拍摄日常生活照片并撰写文本叙事。利用这些照片和叙事,我们生成了各种重建图像,并将其作为参与者访谈的材料。我们的发现表明,重建图像通过以下方式促进了反思性文档体验:(1)扩展关于体验的叙事,(2)帮助参与者发现他们真正想要记录的时刻,(3)组织他们关于体验的思考,以及(4)增强他们對个人身份的意识。此外,我们还确定了改造日常照片的考虑因素。基于这些发现,我们最终讨论了生成式AI在增强反思性摄影实践中的作用。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
PANDALens: 在旅行过程中面向OHMD的AI辅助上下文写作
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
将机器学习数据与策展人协作实践中获得的符号知识整合以改进对话系统
CHI '21· 对话式聊天机器人 +2
- 67%
Rambler:通过LLM辅助的概要操作支持写作的语音功能
CHI '24· 语音用户界面(VUI)设计 +2
- 67%
生成式人工智能的专业用户体验设计师的看法
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
深思熟虑、困惑还是不可信:文本呈现如何影响对AI写作工具的感知
C&C '25· 生成式AI(文本、图像、音乐、视频) +2
- 67%
人们如何提示生成式AI创建交互式VR场景
DIS '24· VR 中的社交与协作 +2
- 67%
携手更好?AI辅助代码翻译评估研究
IUI '22· 生成式AI(文本、图像、音乐、视频) +1
- 67%
Patchview:基于生成式尘埃与磁铁可视化的大型语言模型驱动世界构建系统
UIST '24· 生成式AI(文本、图像、音乐、视频) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
8 篇相关论文