Regressor-Guided Image Editing Regulates Emotional Response to Reduce Online Engagement

要約

感情は、ユーザーのコンテンツ消費とオンライン エンゲージメントとの関係を仲介することが知られており、感情の強さが高まるとエンゲージメントが高まります。
この洞察に基づいて、画像の感情的影響を軽減することを目的とした 3 つのリグレッサーに基づく画像編集アプローチを提案します。
これらには、(i) 感情に影響を与えることが知られているグローバルな画像変換に基づくパラメータ最適化アプローチ、(ii) 敵対的生成ネットワークのスタイル潜在空間を対象とした最適化アプローチ、および (iii) 分類子ガイダンスと分類子を使用する拡散ベースのアプローチが含まれます。
-無料指導。
私たちの調査結果は、このアプローチにより、高い視覚的品質を維持しながら、画像の感情的特性を効果的に変更できることを示しています。
最適化ベースの方法では、主に色の色合いや明るさなどの低レベルのプロパティが調整されますが、拡散ベースのアプローチでは、外観や表情の変更などの意味的な変更が導入されます。
特に、行動研究の結果は、拡散ベースのアプローチのみが、高い知覚画質を維持しながら視聴者の感情的反応の変化をうまく引き出すことができることを明らかにしています。
今後の研究では、これらの画像の適応がインターネット ユーザーの行動に及ぼす影響を調査する予定です。

要約(オリジナル)

Emotions are known to mediate the relationship between users’ content consumption and their online engagement, with heightened emotional intensity leading to increased engagement. Building on this insight, we propose three regressor-guided image editing approaches aimed at diminishing the emotional impact of images. These include (i) a parameter optimization approach based on global image transformations known to influence emotions, (ii) an optimization approach targeting the style latent space of a generative adversarial network, and (iii) a diffusion-based approach employing classifier guidance and classifier-free guidance. Our findings demonstrate that approaches can effectively alter the emotional properties of images while maintaining high visual quality. Optimization-based methods primarily adjust low-level properties like color hues and brightness, whereas the diffusion-based approach introduces semantic changes, such as altering appearance or facial expressions. Notably, results from a behavioral study reveal that only the diffusion-based approach successfully elicits changes in viewers’ emotional responses while preserving high perceived image quality. In future work, we will investigate the impact of these image adaptations on internet user behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google