谁做的?生成图像的视觉属性如何影响用户能动性
作者
生成式AI(文本、图像、音乐、视频)可解释人工智能(XAI)UI/UX 设计师HCI 研究员
AI和生成式AI的普及需要根据其特定可供性和人类需求量身定制的新界面。生成式AI以前所未有的规模接管用户任务,设计体验——用户是否以及如何体验对过程的控制和对结果的责任——至关重要。作为制定设计指南的初步步骤,我们开展了一项研究,探讨AI生成图像的特征如何影响用户的能动性体验。我们使用两种测量方法:时间绑定来隐式估计前反思能动性,量级估计来评估用户对能动性的判断。我们观察到抽象图像比具有语义意义的图像导致更多时间绑定。相反,图像与用户期望越吻合,能动性判断越高。将实验结果与图像差异的客观指标比较发现,时间绑定结果与语义差异相关,而能动性判断可以用图像间的局部差异更好解释。这项工作为未来将能动性视为生成式AI界面的重要设计维度做出了贡献。
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%
自适应滑块:基于用户对齐语义滑块的文本到图像模型输出编辑
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 80%
从文本到像素:通过文本到图像模型解释增强用户理解
IUI '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
重新审视人类与AI交互的独特设计难度及其原因
CHI '20· 生成式AI(文本、图像、音乐、视频) +2
- 67%
“即使不是真实的我也开心”:生成式AI照片编辑作为记忆体验
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 67%
熵的测量能否匹配人类对AI生成图像多样性的判断?
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 60%
Intellingo:一个易于理解的翻译环境
CHI '18· 生成式AI(文本、图像、音乐、视频) +1
- 60%
算法与用户:人机交互如何利用算法系统的通俗理解?
CHI '18· 可解释人工智能(XAI) +1
- 60%
机器学习不确定性作为设计材料:一种后现象学探究
CHI '21· 可解释人工智能(XAI) +1
- 60%
UISketch: 一个大规模的用户界面元素草图数据集
CHI '21· 生成式AI(文本、图像、音乐、视频) +1
- 60%
乐观主义:启用领域特定元启发式优化的协作实现
CHI '23· 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
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3654777.3676335
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、可解释人工智能(XAI)
work
职业/产业
UI/UX 设计师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文