论生成艺术的符号学解释评价

解读对于破译艺术语言至关重要：观众通过从视觉艺术品中恢复意义来与艺术家进行交流。然而，当前的生成艺术（GenArt）评估者仍然专注于表面的图像质量或字面提示的一致性，未能评估创作者意图的更深层次的象征或抽象含义。我们通过形式化皮尔士计算符号学理论来解决这一差距，该理论将人类与 GenArt 交互 (HGI) 建模为级联符号学。该框架揭示了艺术意义是通过三种模式传达的：标志性、象征性和索引性，但现有的评估者在标志性模式下大量运作，在结构上对后两种模式视而不见。为了克服这种结构性盲目性，我们提出了 SemJudge。该评估器通过分层符号图 (HSG) 明确评估 HGI 中的符号和索引意义，该图重建了从提示到生成工件的意义生成过程。大量的定量实验表明，在解释密集型美术基准上，SemJudge 比之前的评估者更符合人类的判断。用户研究进一步表明，SemJudge 能够产生更深刻、更有洞察力的艺术诠释，从而为 GenArt 超越“漂亮”图像的生成，迈向能够表达复杂人类体验的媒介铺平了道路。项目页面：https://github.com/songrise/SemJudge。