第一次命题：2023年11月15日上午9：00(已发布)

第二次命题：2024年1月15号上午09：00(已发布)

第三次命题：2024年3月15号上午09:00（已发布）

背景主题

为了推动人机协作的发展，本类比赛旨在探索并展示人机协作在艺术创意领域的潜力，鼓励参赛者发挥创造力和想象力，通过结合人工智能生成

和图形处理技术，探索创造力与技术结合的人机协作方式，设计全新的AIGC创意工具与方法，为设计创意工作提供更加高效和创新的解决方案，

创作出更多具有非凡创意潜能的作品。

类别介绍：

比赛采用 限时指定命题（2023年11月15日早09:00发布第一次命题，2024年1月15号早09：00点发布第二次命题，2024年3月

15号早09:00点发布第三次命题。）（AIGC具有自动化、高效、多样和智能的特点，因此本类比赛注重短时间内技术应用与人机协作的能力）

其中赛前根据竞赛组委会选取的特定 设计命题 ，参赛团队在指定时间内，使用特定 AIGC生成工具 （ChatGPT、Stable Diffusion模型、文心

大模型等）或者 图像生成算法 （如GAN、变分自编码器等），以文本生成、音频生成、图像生成、视频生成、跨模态生成、策略生成等多种方

法完成的设计作品(静态的作品，不能是单张，需要是一系列作品)，并提供作品详细生成流程说明文档、工程文件（数据集、模型选择、参数、界面原型、交互元素和视觉元素等）每次主题发布都可以参加，不限次数

与作者与AI共创过程的视频记录(剪辑至1分钟内、分辨率1920*1080、横屏)。

A视觉艺术生成组：

本类别旨在参赛者在一定时限内，利用人工智能生成和图形处理技术，创作指定命题的视觉艺术作品。

静态组：创意视觉艺术（文字生成、图像生成和音频生成等）、电子插画。

动态组：影视与动画创作、数据可视化

作品提交要求

1. 作品格式：参赛选手需提交生成的图像或者视频作品，通常为常见的图像文件格式，如JPEG、PNG、MP4、AVI等。

2. 作品大小：提交的作品应符合指定的文件大小限制，通常在规定的存储空间范围内。

3. 设计过程材料：参赛选手需提交与图像生成过程相关的设计材料，包括但不限于数据集选择、模型选择、参数调整等。

设计的考察点：

1. 创意表现与艺术性：参赛者的作品是否展现了独特的创意和艺术表现，是否具备艺术性和美感。

2. 技术应用与效果：参赛者如何巧妙地应用技术模型和算法来实现创意效果，作品的技术实现水平如何。

3. 数据处理与增强：参赛者是否对数据进行了有效的处理和增强，提升作品的质量和多样性。

4. 模型选择与调优：参赛者选择的技术模型是否适用于作品的需求，模型参数调优的效果如何。

思路。

5. 创作者个人贡献：评审团将特别关注参赛选手在文字与图像生成过程中的个人贡献，包括数据集构建、模型调整、文本生成等方面。

B智能交互生成类别：

本类别旨在参赛者在一定时限内，利用人工智能生成和人机交互技术，创作指定命题的智能交互作品，例如智能交互生成、虚拟交互生成、交互界面设计、游戏制作和虚拟人物设计等作品。

作品提交要求

1. 作品格式：参赛选手需提交生成的完整可交互作品，通常为常见的文件格式，如JPEG、PNG、MP4、AVI、H5、二维码等形式。

2. 作品大小：提交的作品应符合指定的文件大小限制，通常在规定的存储空间范围内。

3. 设计过程材料：参赛选手需提交与交互原型生成过程相关的设计材料，包括但不限于数据集选择、模型选择、参数调整、界面原始、交互元素等。

设计的考察点：

1. 创新的交互方式与体验设计：参赛者是否提供了新颖的交互方式和创新的用户体验设计，能否提高用户与系统的互动性。

2. 技术模型的选择与集成：参赛者如何选择合适的技术模型，并将其有效集成到交互体验中，使其更加智能和自然。

3. 界面设计与可视化效果：参赛者的界面设计是否符合用户习惯，是否能够提供清晰的信息呈现和直观的操作界面。

4. 性能稳定性与实时响应：参赛者的交互系统是否具备良好的性能和稳定性，能否在实时场景中做出快速准确的响应。

5. 用户满意度与效果评估：参赛者的交互体验设计是否能够提升用户满意度，能否通过用户评价和反馈来评估效果并进行改进。

6. 设计过程材料的完整性和说明：评审团将评估参赛选手提交的设计过程材料的完整性和说明，以便了解作品生成的具体过程和参赛选手的设计思路。

7. 创作者个人贡献：评审团将特别关注参赛选手在文字与图像生成过程中的个人贡献，包括数据集构建、模型调整、文本生成等方面。

附录：评选规则

可读性：

文字清晰度：设计作品中的文字是否清晰可读，字体选择是否合适，排版是否工整。

图像质量：设计作品中的图像是否清晰，细节是否可辨，色彩搭配是否合理。

内容结构化：设计作品的内容是否有条理，是否能够清晰传达信息，组织结构是否合理。

排版与布局：设计作品的排版是否合理，版面是否美观，布局是否舒适。

可视化效果：设计作品中使用的图表、图形等可视化元素是否能够清晰地表达数据或概念。

准确性：

数据准确性：设计作品中使用的数据是否准确无误，是否经过验证和验证。

内容准确性：设计作品中的文字、图像和其他元素是否准确地反映了目标和信息。

技术准确性：设计作品中使用的技术模型、算法和方法是否准确，并能够正确地实现所需的功能。

连贯性：

故事线索：设计作品中是否存在清晰的故事线索，各个部分是否相互衔接，能否形成整体性的叙述。

信息流畅性：设计作品中的信息传递是否流畅，各个元素之间的关联是否清晰，读者能否轻松地理解信息。

视觉一致性：评估设计作品中的视觉元素（如颜色、字体、图标等）是否一致，是否符合整体风格和品牌形象。

用户导航与交互流程：评估设计作品中的用户导航和交互流程是否连贯顺畅，用户能否自然而然地完成各项操作和任务，是否能够提供清晰的

引导和反馈。

页面布局和结构：评估设计作品中的页面布局是否连贯统一，结构是否合理，各个部分之间的关联是否清晰可见。

独创性：

创意表达：设计作品中的创意是否独特、新颖，能否引起观众的兴趣和共鸣。

创新应用：设计作品中是否应用了前沿的技术或方法，能否带来新的思考和突破。

创新思维：评估设计作品中是否体现了创新思维，包括对问题的新颖解决方案、未来趋势的预测等。

效率：

制作流程：设计作品的制作过程是否高效，是否能够合理利用时间和资源。

用户体验：设计作品中的交互是否顺畅，是否能够快速获取信息或完成任务。

性能优化：评估设计作品在运行效率方面的表现，包括响应速度、处理能力、资源利用等。

代码质量：评估设计作品中的代码结构是否清晰、可维护性高，是否符合编码规范和最佳实践。

算法优化：评估设计作品中使用的算法是否经过优化，是否能够在给定的时间和资源限制下快速、准确地完成任务。

可拓展性：

可扩展性：设计作品是否具有可扩展性，能否支持添加新功能或模块。

模块化设计：设计作品的架构是否合理，是否能够方便地添加、删除或替换各个模块。

数据处理和存储：设计作品中的数据处理和存储方式是否灵活、可拓展，能否应对大规模数据和未来的数据增长。

技术框架选择：设计作品中使用的技术框架是否具有良好的拓展性，是否能够支持未来的技术发展和扩展。

可定制性：设计作品是否允许用户根据自身需求进行定制和个性化设置。

平台适应性：设计作品是否能够适应不同的平台和设备，例如移动端、Web端等。

算法

算法选择和应用：评估AI作品中所采用的算法是否合适，并能否有效解决问题。考虑算法的复杂性、效率和准确性。

数据处理和预处理：评估AI作品在数据处理和预处理方面的能力。考虑数据清洗、特征提取、数据转换等步骤的质量和效果。

模型设计和架构：评估AI作品的模型设计和架构是否合理。考虑模型的层次结构、参数设置和优化方法等。

训练和优化过程：评估AI作品的训练过程和优化方法。考虑训练集、验证集和测试集的划分，以及模型的收敛性和泛化能力。

结果和效果分析：评估AI作品的结果和效果。考虑模型在实际数据上的表现，如准确率、召回率、精确度等指标，以及与其他方法的比较。