arXiv cs.AI· Nisan Chhetri, Christopher G. Healey, Sina Baghbanijam·· 1 天前AI 评分27
基于新颖性、惊喜度与唤醒度三维度自动评估图像创造力
Estimating Image Creativity
AI 导读
研究者提出一种自动估计图像感知创造力的框架：先用监督机器学习模型预测图像在新颖性、惊喜度和唤醒度三个心理学创造力维度上的强度，再将这些强度组合成创造力评分。在 Amazon Mechanical Turk 上开展的人类受试实验数据显示，该框架给出的估计分数与人类评分在统计上无显著差异。
正文 · AI 翻译
摘要：是什么让一张图像具有创造性？尽管这似乎是一个高度主观的判断，但心理学研究表明，创造力可能基于一组基本的创造力维度，如新颖性、惊喜感和唤醒度。更深入地理解图像创造力可以惠及研究和实际应用。探索人类观看者如何使用创造力维度来评估图像创造力，或许能让我们自动预测目标图像的人类评分创造力。我们提出了一个新框架来估计图像的感知创造力，方法是：(1) 预测图像在新颖性、惊喜感和唤醒度这三个创造力维度上的强度；(2) 结合各创造力维度强度来估计图像创造力得分。我们在 Amazon Mechanical Turk 上进行了受控的人类被试实验，以收集数据来训练监督机器学习模型，用于估计图像在三个创造力维度上的强度。最终的机器学习模型以预测的维度强度为输入，生成估计的图像创造力得分。结果表明，对于我们测试的图像，我们估计的创造力得分在统计上与人类创造力评分相当。我们研究的新贡献是：(1) 识别并验证了用于估计图像创造力的三个心理学创造力维度；(2) 监督机器学习模型，可自动估计输入图像的新颖性、惊喜感和唤醒度强度；(3) 一个监督机器学习模型，可根据输入图像的新颖性、惊喜感和唤醒度强度预测创造力得分；(4) 用于确认我们方法的准确性、优势和局限性的实验方法。
| 评论： | 9 页，1 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；人机交互（cs.HC）；机器学习（cs.LG） |
| 引用为： | arXiv:2611.15044 [cs.CV] |
| （或 arXiv:2611.15044v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.15044 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nisan Chhetri [查看电子邮件]
[v1]
2026 年 11 月 11 日星期三 05:10:32 UTC（320 KB）
来源：arXiv cs.AI · arxiv.org