Sobre la Evaluación Interpretativa Basada en la Semiótica del Arte Generativo
On Semiotic-Grounded Interpretive Evaluation of Generative Art
April 9, 2026
Autores: Ruixiang Jiang, Changwen Chen
cs.AI
Resumen
La interpretación es esencial para descifrar el lenguaje del arte: el público se comunica con los artistas recuperando el significado de los artefactos visuales. Sin embargo, los evaluadores actuales de Arte Generativo (GenArt) siguen obsesionados con la calidad superficial de la imagen o la adherencia literal al *prompt*, sin lograr evaluar el significado simbólico o abstracto más profundo que pretende el creador. Abordamos esta brecha formalizando una teoría semiótica computacional peirceana que modela la Interacción Humano-Arte Generativo (HGI) como una semiosis en cascada. Este marco revela que el significado artístico se transmite a través de tres modos —icónico, simbólico e indicial—, pero los evaluadores existentes operan predominantemente en el modo icónico, permaneciendo estructuralmente ciegos a los dos últimos. Para superar esta ceguera estructural, proponemos SemJudge. Este evaluador analiza explícitamente el significado simbólico e indicial en la HGI mediante un Grafo de Semiosis Jerárquico (HSG) que reconstruye el proceso de creación de significado desde el *prompt* hasta el artefacto generado. Experimentos cuantitativos exhaustivos muestran que SemJudge se alinea más estrechamente con los juicios humanos que los evaluadores anteriores en un *benchmark* de bellas artes intensivo en interpretación. Estudios de usuario demuestran además que SemJudge produce interpretaciones artísticas más profundas y significativas, allanando así el camino para que el GenArt trascienda la generación de imágenes "bonitas" hacia un medio capaz de expresar la compleja experiencia humana. Página del proyecto: https://github.com/songrise/SemJudge.
English
Interpretation is essential to deciphering the language of art: audiences communicate with artists by recovering meaning from visual artifacts. However, current Generative Art (GenArt) evaluators remain fixated on surface-level image quality or literal prompt adherence, failing to assess the deeper symbolic or abstract meaning intended by the creator. We address this gap by formalizing a Peircean computational semiotic theory that models Human-GenArt Interaction (HGI) as cascaded semiosis. This framework reveals that artistic meaning is conveyed through three modes - iconic, symbolic, and indexical - yet existing evaluators operate heavily within the iconic mode, remaining structurally blind to the latter two. To overcome this structural blindness, we propose SemJudge. This evaluator explicitly assesses symbolic and indexical meaning in HGI via a Hierarchical Semiosis Graph (HSG) that reconstructs the meaning-making process from prompt to generated artifact. Extensive quantitative experiments show that SemJudge aligns more closely with human judgments than prior evaluators on an interpretation-intensive fine-art benchmark. User studies further demonstrate that SemJudge produces deeper, more insightful artistic interpretations, thereby paving the way for GenArt to move beyond the generation of "pretty" images toward a medium capable of expressing complex human experience. Project page: https://github.com/songrise/SemJudge.