Hacia una Reflexión Emocional Más Profunda: Creación de Filtros de Imágenes Afectivas con Priors Generativos

Área de la Ciencia:

• Ciencias de la Computación
• Inteligencia Artificial
• Interacción Humano-Computadora

Sus antecedentes:

• Las redes sociales facilitan la expresión emocional a través de texto e imágenes.
• Los métodos existentes carecen de la capacidad de traducir emociones textuales abstractas en representaciones visuales concretas.
• Existe la necesidad de modelos que puedan generar imágenes emocionalmente resonantes a partir de texto.

Objetivo del estudio:

• Introducir la tarea de Filtro de Imágenes Afectivas (AIF).
• Desarrollar modelos capaces de reflejar emociones visualmente abstractas del texto en imágenes visualmente concretas.
• Crear contenido visual emocionalmente convincente.

Principales métodos:

• Introducción del conjunto de datos AIF y formulaciones de modelos.
• Desarrollo de AIF-B utilizando una arquitectura de transformador multimodal.
• Propuesta de AIF-D, que extiende AIF-B incorporando priors generativos de modelos de difusión a gran escala para una reflexión emocional más profunda.

Principales resultados:

• Los modelos AIF demuestran un rendimiento superior en consistencia de contenido y fidelidad emocional en comparación con los métodos de vanguardia.
• Los experimentos cuantitativos y cualitativos validan la efectividad de los modelos AIF.
• Estudios de usuario exhaustivos confirman que los modelos AIF son significativamente más efectivos para evocar emociones específicas.

Conclusiones:

• La tarea y los modelos de Filtro de Imágenes Afectivas (AIF) ofrecen un enfoque novedoso para representar visualmente las emociones.
• AIF-D, que aprovecha los modelos de difusión, muestra un potencial significativo para generar imágenes emocionalmente convincentes.
• Los modelos desarrollados tienen un valor y potencial considerables para aplicaciones en la creación de contenido emocionalmente resonante.