人工智能生成艺术
时间:2023-09-04 点击:63945

人工智能生成艺术类

 

(本届大赛共设23个投稿类别,每个二级学院(系),每个类别最多投搞20件作品)

终评院校:长沙理工大学      负责老师:王健

 

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。