CART Rule-Guided Diffusion and AI-Synthesized User Preferences for New Media Art Generation
本文提出了一种由 CART 规则引导的扩散模型，该模型利用条件生成对抗网络（GAN）来合成大规模用户偏好数据，并将可解释的决策树规则集成到扩散采样过程中，在显著提升新媒体艺术生成的美学质量与个性化水平的同时，克服了人类数据收集带来的伦理与成本障碍。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
艺术始终是创作者与观赏者之间的一场对话，一场意义共享、情感共鸣的交流。近年来，人工智能加入了这场对话，它能够绘制出既如照片般真实，又如梦境般风格化的图像。然而，一种隐约的挫败感依然存在。尽管这些机器可以生成技术上完美的图像，但它们往往难以理解特定个体对美的定义。它们生成的作品虽然称职，却在情感上显得平淡，只是提供一份供用户被动选择的菜单，而非预判用户真正想看的内容。这种技术技巧与个人品味之间的鸿沟，正是研究人员目前试图解决的核心挑战。
广州华南师范大学的一支研究团队提出了一种新的方法来弥合这一分歧，即从简单的“选择”转向主动的“个性化创作”。他们的工作聚焦于一种被称为“扩散模型”的特定人工智能，这种模型通过逐渐从混乱的像素云中去除噪声，直到一幅清晰的图像显现出来。这项创新的核心在于如何引导这一过程。他们并没有让机器自由漫游，而是教它遵循一套源自人类品味的、具有可解释性的规则。为了实现这一点，他们首先必须解决一个重大障碍：如何在不产生巨大成本和伦理复杂性的情况下，收集足够的真人意见来训练系统。
研究人员从一小簇真实数据开始，这组数据仅包含两千张由人类专家根据色彩和谐度、构图等各种艺术品质进行评分的图像。从这个微小的起点出发，他们利用第二种人工智能创建了一个由一万名模拟用户组成的虚拟群体。这些数字代理生成了五十万条偏好记录，实际上创造了一个大规模的品味库，该库精准映射了真实的初始人类数据。团队验证了这一合成库在统计学上与真实数据无法区分，从而确保机器学习的是人类偏好的忠实表征，而非扭曲的模仿。
在拥有了这个庞大的偏好库后，研究人员训练了一个决策树——这是一种通过一系列简单的“是或否”问题（类似于流程图）来对信息进行分类的算法。这棵树学会了识别导致高审美得分的具体特征组合。至关重要的一点是，团队并不仅仅是在图像生成后用这些规则来过滤掉糟糕的作品，而是将这些规则转化为一种柔和的、连续的信号，直接注入到图像生成过程中。当机器逐步构建图像时，这个信号就像是一个微妙的推力，引导生成过程趋向于虚拟用户所青睐的特定风格与品质。这实现了从“要求机器猜测你喜欢什么”，到“教会机器在创作时感知你的品味”的转变。
为了确保系统能够持续改进，研究人员建立了一个闭环反馈机制。在机器生成一组图像后，虚拟用户对其进行评分，系统利用这些分数来微调其遵循规则的权重。这使得模型能够随着时间的推移不断优化自身的理解，从而收敛到一种能产生更高质量、更具个性化艺术的策略上。结果是显著的：与现有的领先方法相比，这种新方法生成的图像不仅在目标风格上更接近，而且整体质量也更高。该系统将生成艺术与理想审美之间的距离缩小了近百分之十四，并将匹配用户偏好的准确度提高了近百分之十。
研究还表明，该系统的每个部分都至关重要。移除决策树会导致图像质量明显下降，证明了规则提供了必要的引导；移除合成数据库会迫使系统训练时间大幅增加且效果变差，显示了扩展虚拟群体的价值；而移除反馈回路则意味着系统无法自我精进，凸显了持续调整的重要性。研究人员发现，他们的方法在效率上也远胜一筹，其训练时间仅为其他复杂模型的一小部分。
尽管结果令人振奋，但作者谨慎地指出，这些成就均是在模拟环境中测得的。虚拟用户虽然在统计学上是忠实的，但无法完全捕捉人类艺术鉴赏中复杂的、情感化的以及文化性的细微差别。团队已制定计划，将在受控环境下使用真人测试该系统，随后通过大规模在线研究来确认这些改进在现实世界中是否依然成立。在此之前，这项工作有力地证明了：通过将可解释规则与合成数据相结合，我们完全可以让机器创作出的艺术不再仅仅是机械的输出，而更像是一种个性的表达。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。