Valutazione Interpretativa Basata sulla Semiotica dell'Arte Generativa
On Semiotic-Grounded Interpretive Evaluation of Generative Art
April 9, 2026
Autori: Ruixiang Jiang, Changwen Chen
cs.AI
Abstract
L'interpretazione è essenziale per decifrare il linguaggio dell'arte: il pubblico comunica con gli artisti recuperando il significato dagli artefatti visivi. Tuttavia, gli attuali valutatori di Arte Generativa (GenArt) rimangono fissati sulla qualità dell'immagine a livello superficiale o sull'aderenza letterale al prompt, non riuscendo a valutare il significato simbolico o astratto più profondo voluto dal creatore. Affrontiamo questa lacuna formalizzando una teoria semiotica computazionale di stampo Peirciano che modella l'Interazione Uomo-Arte Generativa (HGI) come semiosi a cascata. Questo quadro teorico rivela che il significato artistico è veicolato attraverso tre modalità - iconica, simbolica e indessicale - eppure i valutatori esistenti operano pesantemente all'interno della modalità iconica, rimanendo strutturalmente ciechi rispetto alle ultime due. Per superare questa cecità strutturale, proponiamo SemJudge. Questo valutatore valuta esplicitamente il significato simbolico e indessicale nell'HGI attraverso un Grafo di Semiosi Gerarchico (HSG) che ricostruisce il processo di creazione del significato dal prompt all'artefatto generato. Esperimenti quantitativi estensivi mostrano che SemJudge si allinea più strettamente ai giudizi umani rispetto ai valutatori precedenti su un benchmark di belle arti incentrato sull'interpretazione. Studi con utenti dimostrano ulteriormente che SemJudge produce interpretazioni artistiche più profonde e perspicaci, aprendo così la strada affinché la GenArt vada oltre la generazione di immagini "gradevoli" verso un mezzo capace di esprimere l'esperienza umana complessa. Pagina del progetto: 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.