Generative Adversarial Network (GAN)-Modelle erzeugen einen latenten Raum, aus dem viele neue Bilder hervorgehen. Diese Modelle übersetzen Vektoren aus einem latenten Raum möglicher Designs in tatsächliche Bilder, was dem Konzept des Objekts einen neuen Grad an Variabilität verleiht. In dieser Forschungsarbeit wird vorgeschlagen, einen computergestützten Ästhetikrahmen anzuwenden, um den latenten Raum zu navigieren und Designern neue Bilder zu präsentieren, die ihre Vorstellungskraft anregen. Theorien über die Verbindung zwischen Teilen und dem Ganzen aus der Ästhetik und der kognitiven Psychologie werden mit Birkhoffs ästhetischen Maßstäben und dem Computersehen kombiniert, um ästhetische Präferenzen vorherzusagen und den latenten Raum abzubilden.
