Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular yapay zekâ görsellerinin insan üretimi fotoğraflardan tekil bir genel estetik profil üzerinden ayrışmadığını ve biçimsel karşılaştırmaların türsel kategori düzeyinde yürütülmesi gerekliliğini ortaya koymaktadır.
📌 3 Maddede Bu Makale
Özet
Yapay zekâ üretimi görseller, dijital görsel kültürde insan üretimi fotoğraflarla birlikte konumlandırılan yeni bir üretim alanı meydana getirmiştir. Araştırma yapay zekâ üretimi görseller ile insan üretimi fotoğraflar arasındaki biçimsel farklılıkları, Lev Manovich’in kültürel analitik yaklaşımı çerçevesinde parlaklık, doygunluk ve renk tonu metrikleri üzerinden hesaplamalı estetik ilkelerine dayalı nicel bir perspektifle incelemeyi amaçlamaktadır. Analiz sürecinde, Stable Diffusion 1.5 tabanlı Deliberate v2 modeliyle üretilen 360 görsel ve Unsplash platformundan derlenen 360 insan üretimi fotoğraftan oluşan dengeli bir veri seti kullanılmıştır. Örneklem portre, manzara, soyut ve kentsel olmak üzere dört türe ayrılarak, görsellere ait HSB renk uzayındaki merkezî eğilimler imageMeasure makrosu aracılığıyla hesaplanmıştır. Elde edilen veriler Welch t-testi, Levene testi, Cohen’s d etki büyüklüğü ve iki yönlü çok değişkenli varyans analizi (MANOVA) ile değerlendirilmiştir. İstatistiksel analizler, üretim kaynağı ile kategori etkileşiminin temel metrikler üzerindeki ortak etkisinin istatistiksel olarak anlamlı olduğunu ortaya koymaktadır (F(9, 2136) = 8.47, p < .001). Doygunluk medyanı, dört kategorinin tamamında insan üretimi fotoğraflar lehine daha yüksek değerler sergilemektedir. En belirgin ayrışmalar, portre kategorisinde renk tonu (d = -0.887) ve soyut kategoride doygunluk (d = -0.828) değişkenleri ekseninde saptanmıştır. Bulgular yapay zekâ görsellerinin insan üretimi fotoğraflardan tekil bir genel estetik profil üzerinden ayrışmadığını ve biçimsel karşılaştırmaların türsel kategori düzeyinde yürütülmesi gerekliliğini ortaya koymaktadır.
Abstract
AI-generated images have established a new production domain positioned alongside human-produced photographs in digital visual culture. The research aims to examine the formal differences between AI-generated images and human-produced photographs from a quantitative perspective grounded in the principles of computational aesthetics, through brightness, saturation, and hue metrics within Lev Manovich’s Cultural Analytics framework. In the analysis, a balanced dataset comprising 360 images generated with the Stable Diffusion 1.5-based Deliberate v2 model and 360 human-produced photographs compiled from Unsplash was used. The sample was divided into four genres-portrait, landscape, abstract, and cityscape-and central tendencies in the HSB color space were calculated using the imageMeasure macro. The resulting data were evaluated through Welch’s t-test, Levene’s test, Cohen’s d effect size, and two-way multivariate analysis of variance (MANOVA). The statistical analyses reveal that the joint effect of the interaction between production source and category on the core metrics is statistically significant (F(9, 2136) = 8.47, p < .001). The saturation median displays higher values in favor of human-produced photographs across all four categories. The most pronounced divergences are identified in hue within the portrait category (d = -0.887) and in saturation within the abstract category (d = -0.828). The findings show that AI-generated images do not diverge from human-produced photographs through a single overall aesthetic profile, and demonstrate the necessity of conducting formal comparisons at the level of genre categories.