Eine Taxonomie der Prompt-Modifikatoren für die Text-zu-Bild-Generierung

Die textgesteuerte Synthese von Bildern ist enorm populär geworden, und Online-Communities, die sich der Text-zu-Bild-Generierung und mit Künstlicher Intelligenz (KI) erzeugter Kunst widmen, sind entstanden. Während tiefe generative Modelle hochwertige Bilder und Kunstwerke aus einfachen beschreibenden Text-Prompts erzeugen können, bemühen sich Praktiker der Text-zu-Bild-Generierung üblicherweise, die Ausgabe des generativen Modells durch das Hinzufügen kurzer Schlüsselphrasen („Modifikatoren“) zum Prompt zu steuern. Dieser Artikel identifiziert auf Grundlage einer dreimonatigen ethnografischen Studie sechs Arten von Prompt-Modifikatoren, die von Praktikern in der Online-Text-zu-Bild-Community verwendet werden. Die neuartige Taxonomie der Prompt-Modifikatoren bietet Forschern einen konzeptionellen Ausgangspunkt für die Untersuchung der Praxis der Text-zu-Bild-Generierung, kann aber auch Praktikern KI-generierter Kunst helfen, ihre Bilder zu verbessern. Darüber hinaus skizzieren wir, wie Prompt-Modifikatoren in der Praxis des „Prompt Engineerings“ angewandt werden, und diskutieren Forschungschancen dieser neuartigen kreativen Praxis im Bereich der Mensch-Computer-Interaktion (HCI). Der Artikel schließt mit einer Diskussion weitergehender Implikationen des Prompt Engineerings aus der Perspektive der Mensch-KI-Interaktion (HAI) für zukünftige Anwendungen jenseits der Text-zu-Bild-Generierung und KI-generierter Kunst.