Avaliação Interpretativa Baseada em Semiótica da Arte Generativa
On Semiotic-Grounded Interpretive Evaluation of Generative Art
April 9, 2026
Autores: Ruixiang Jiang, Changwen Chen
cs.AI
Resumo
A interpretação é essencial para decifrar a linguagem da arte: o público comunica-se com os artistas recuperando o significado dos artefactos visuais. No entanto, os avaliadores atuais de Arte Generativa (GenArt) permanecem fixados na qualidade superficial da imagem ou na aderência literal ao prompt, falhando em avaliar o significado simbólico ou abstrato mais profundo pretendido pelo criador. Colmatamos esta lacuna formalizando uma teoria semiótica computacional de base peirciana que modela a Interação Humano-Arte Generativa (HGI) como uma semiose em cascata. Este quadro revela que o significado artístico é transmitido através de três modos - icónico, simbólico e indéxico - mas os avaliadores existentes operam fortemente dentro do modo icónico, permanecendo estruturalmente cegos aos dois últimos. Para superar esta cegueira estrutural, propomos o SemJudge. Este avaliador avalia explicitamente o significado simbólico e indéxico na HGI através de um Grafo de Semiose Hierárquico (HSG) que reconstrói o processo de construção de significado desde o prompt até ao artefacto gerado. Experiências quantitativas extensivas mostram que o SemJudge se alinha mais de perto com os julgamentos humanos do que os avaliadores anteriores num benchmark de arte intensivo em interpretação. Estudos com utilizadores demonstram ainda que o SemJudge produz interpretações artísticas mais profundas e perspicazes, pavimentando assim o caminho para a GenArt ultrapassar a geração de imagens "bonitas" e tornar-se um meio capaz de expressar a experiência humana complexa. Página do projeto: 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.