斯坦福大学的研究人员推出Spellburst 可简化艺术创意转化为代码的过程

生成艺术家通常使用编程语言或AI文本到图像工具来将表达性语义转化为代码，以创建抽象的图案或超现实的景观。然而，编写艺术作品是一个耗时复杂的过程，而且通常需要通过多次迭代的试验和错误来改进作品，这可能会受到界面的限制而感到沮丧。

斯坦福大学的学者通过采访数字艺术家，了解了这些创作过程中的困扰，然后开发了一种名为Spellburst的工具，旨在改善创意构思和编辑过程。

论文地址：https://arxiv.org/pdf/2308.03921.pdf

Spellburst利用大型语言模型GPT-4，允许艺术家输入一个初始提示，然后生成用于呈现概念的代码。如果艺术家想要调整图像的某个方面，他们可以打开一个面板，其中包含由前一个提示生成的动态滑块，以进行修改，或者可以添加修改说明。此外，工具还允许艺术家从基于提示的探索过渡到程序编辑，他们可以单击图像以查看代码，以进行更精细的微调。

研究团队采访了10位专业的创意编码艺术家，以更好地了解他们如何开发概念、创作工作流程和面临的最大挑战，并随后与专业生成艺术家一起测试了该工具。结果显示，大多数反馈都是积极的，大型语言模型帮助艺术家更快地从语义空间切换到代码，同时帮助他们探索许多不同的变化和更大的创意跨越。

然而，该工具也存在一些局限性，例如在某些提示中出现了错误和意外结果，特别是在版本合并方面，以及难以确定哪些提示会导致期望的结果。此外，提供反馈的艺术家样本规模相对较小，无法代表整个生成艺术家社区。

尽管如此，研究团队希望这个工具对编程艺术家甚至更广泛的受众有所帮助。他们计划在今年晚些时候将该工具作为开源工具发布，以供艺术家使用，并研究这种工具如何帮助新手学习如何用代码创作艺术。