CN110537179A - 匹配样式属性的系统和方法 - Google Patents
匹配样式属性的系统和方法 Download PDFInfo
- Publication number
- CN110537179A CN110537179A CN201880023477.8A CN201880023477A CN110537179A CN 110537179 A CN110537179 A CN 110537179A CN 201880023477 A CN201880023477 A CN 201880023477A CN 110537179 A CN110537179 A CN 110537179A
- Authority
- CN
- China
- Prior art keywords
- design
- search result
- search
- style attributes
- style
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
Abstract
一种方法包括:在计算设备的处理器处,在设计的编辑期间接收第一搜索查询,该第一搜索查询至少包括第一搜索项。该方法还包括:识别与设计相关联的至少一个样式属性,并且基于第一搜索项、至少一个样式属性或其组合而搜索至少一个数据库,以生成搜索结果。该方法进一步包括:输出搜索结果。基于确定第一搜索结果比第二搜索结果更接近地匹配与设计相关联的至少一个样式属性,搜索结果的第一搜索结果排名高于搜索结果的第二搜索结果。
Description
相关申请的交叉引用
本申请要求于2017年4月27日提交的第15/499,698号美国专利申请的权益,其全部内容通过引用而被并入在本文中。
背景技术
由于因特网的日益普及和可用性,用户可以访问比以前更多的媒体内容。这导致了对用户可用的大型库存图像数据库,使得用户可以选择库存图像以在他们自己的图形设计中使用。然而,因为这样的数据库可能大(例如,包括数亿个图像或更多),所以对于用户搜索数据库以找到感兴趣的搜索结果(例如,图像)可能是困难且耗时的。因此,用户正花费越来越多的时间量来搜索和浏览在线数据库以识别感兴趣的图像(例如,适合在特定图形设计中使用)。
附图说明
图1示出系统的特定示例,该系统可操作以将设计的样式属性与搜索结果的样式属性匹配以识别感兴趣的搜索结果;
图2示出与设计相关联的样式属性的第一特定示例;
图3示出与设计相关联的样式属性的第二特定示例;
图4示出基于样式属性的匹配而呈现搜索结果的特定示例;
图5示出将设计的样式属性和搜索结果的样式属性匹配以识别感兴趣的搜索结果的方法的特定示例;
图6示出匹配样式属性的方法的另一个特定示例;
图7示出与设计相关联的样式属性的第三特定示例;
图8示出系统的另一个特定示例,该系统可操作以将设计的样式属性与搜索结果的样式属性匹配以识别感兴趣的搜索结果;以及
图9示出将设计的样式属性和搜索结果的样式属性匹配以识别感兴趣的搜索结果的方法的另一个特定示例。
具体实施方式
公开匹配样式属性的系统和方法。如在本文中所使用的,“样式属性”可以描述计算机化设计的视觉方面。样式属性可以被替代地称为“样式向量”。如在本文中所使用的,“设计”可以包括图像内容(例如,以向量格式或像素格式)、文本内容、格式化信息(例如,颜色、字体等)等。举例说明,如果设计包括黑色背景以及前景中的白色跑车的照片,则针对该设计的样式属性可以包括“黑色”、“白色”、“跑车”、“单色”等,作为说明性的非限制性示例。在一些方面,样式属性可以包括与设计中的项目相关联的非可视关键词(例如,针对包括跑车的设计的样式属性可以包括“快速”)。根据所描述的技术,当用户(其可能不是图形设计者或其他视觉艺术专业人员)对媒体内容执行计算机化搜索以添加到设计时,可以向用户呈现搜索结果,使得具有一般与设计的样式属性匹配的样式属性的图像排名更高。举例说明,如果用户搜索摩托车的图像以添加到包括黑色背景上的白色跑车的设计,则白色摩托车的图像排名可以高于具有其他颜色的摩托车的图像。替代地或另外,运动自行车型摩托车的图像排名可以高于巡洋舰型或踏板型摩托车的图像。虽然在本文中的各种描述可以指代“图像”搜索,但是应理解:本公开的技术可以与各种媒体类型一起使用,包括但不限于图像、字体和其他类型的视觉媒体内容。
在特定方面,可以使用为设计创建和维护的“样式文档”来执行样式属性的匹配,其中样式文档包括设计的样式属性。随着用户修改设计,诸如当用户将项目添加到设计,从设计移除项目,或者编辑设计中的项目时,样式文档可以被自动更新。样式文档可以作为设计的一部分而被存储(例如,存储在云服务器或数据存储设备中),或者可以与设计分开存储。在这样的方面,当用户执行对“摩托车”的图像搜索时,样式文档的全部或一部分可以被附加到搜索查询,使得样式文档中的样式属性可以与搜索结果的样式属性相比较。
将领会:如在本文中所描述的样式属性的自动匹配可以使能实现更快的设计过程和更直观的用户体验。例如,当与正在进行的设计的样式属性匹配的搜索结果被优先化时,用户可能能够更快地找到相关的图像、字体、布局等(例如,用户可以不必滚动大量的搜索结果即可找到白色运动自行车型摩托车的图像)。在本文中描述本公开的附加说明性、非限制性优点。
在下面的描述中,结合图形设计网站来描述本公开的实施例,该图形设计网站使得用户能够使用(一个或多个)web应用程序或其他软件即服务(SaaS)组件来创建设计。图形设计的示例包括但不限于社交媒体帖子或标题、演示文稿、信头、杂志布局、证书、简历、传单、书籍/专辑封面或艺术、信息图表、传单、海报、菜单、名片、小册子、徽标、贺卡、明信片、邀请函、拼贴画、公告、博客图形、因特网广告、视频、动画等。在一些示例中,可以通过使用因特网浏览器和/或安装在移动设备(诸如移动电话或平板电脑)上的应用程序来访问网站。除非另有指定,否则在本文中对“网站”的引用包括经由网站可访问的(一个或多个)图形设计web应用程序/(一个或多个)SaaS组件。使用网站来创建设计可能比使用独立下载/购买的软件程序更快和/或更方便。然而,应理解:在本文中基于网站的实施例的描述仅用于说明而不应被视为限制性的。在替代实现方式中,本公开的技术可以应用于在台式计算机、膝上型计算机、移动设备等上执行的独立计算机应用的上下文中。
当用户在网站上创建新设计时,用户可以以空白设计开始,或者可以从具有预先应用的布局的设计模板开始。如在本文中所使用的,“布局”包括图像、颜色和/或字体的默认模板。例如,图形设计网站可以提供对几个“节日贺卡”布局的访问,并且用户可以选择布局中的一个作为起点,从该起点开始,通过上传他们自己家庭的照片、键入个性化的问候消息、改变预先应用的布局中包括的图像/字体/颜色等来定制他们自己的节日贺卡。
为了提供更全面的设计体验,网站可以使得用户能够搜索图像、布局、字体等,如以上所描述的。举例说明,用户可以键入搜索术语“狗”来搜索可以插入到设计中的狗的库存图像、以关于狗的图像和/或文本为特征的预先存在的布局、以狗为特征的先前存储的设计(由该用户或由其他用户)、或者或其任何组合。将搜索结果图像(例如,狗的照片)并入到设计中可以像将图像“拖放”到设计中那样简单,此时用户可以在大小、颜色等方面自由地编辑图像。某些媒体资产(例如,图像、布局、字体等)可以自由地并入到设计中,而其他媒体资产可以以一定价格购买并且可以具有由网站强制执行的相关许可(例如,一次性使用许可)。
支持诸如网站之类的操作并且可操作以匹配样式属性的系统的说明性示例被示出在图1中,并且被指定为100。系统100包括可通信地耦合到服务器120的计算设备110。计算设备110被配置成由用户102操作。如在本文中所进一步描述的,即使用户102不是受过训练的图形设计师或其他视觉艺术专业人员,系统100也可以使得用户102能快速且容易地创建和编辑各种形式的图形设计和其他视觉媒体作品。在一些示例中,服务器120被包括在网络可访问的云计算环境122中,该网络可访问的云计算环境122包括一个或多个其他服务器124和/或一个或多个数据库、数据存储和/或数据存储设备126。
在特定方面,计算设备110对应于台式计算机、膝上型计算机、移动电话、平板电脑、或者被配置成经由因特网访问网站的其他计算设备。计算设备110可以包括(或者可以连接到)一个或多个输入设备(例如,键盘、鼠标、触摸屏等)和一个或多个输出设备(例如,监视器、触摸屏、音频扬声器、耳机连接等)。
在特定方面,计算设备110、服务器120、一个或多个其他服务器124以及一个或多个数据库、数据存储和/或数据存储设备126可以包括一个或多个处理器或处理逻辑、存储器和/或网络接口。存储器可以包括可由处理器执行以实现如在本文中所描述的各种功能的指令。网络接口可以包括有线和/或无线接口,该有线和/或无线接口可操作以使能到局域网(LAN)和/或广域网(WAN)(诸如因特网)的通信。
在操作期间,用户102可以操作计算设备110以经由服务器120访问诸如图形设计网站之类的网站130。网站130可以使得用户能够使用(一个或多个)web应用程序和/或由网站130呈现的软件即服务组件来创建和修改设计140。在图1的示例中,网站130包括:搜索可以添加到设计140的图像的选项131,浏览可以应用于设计140的布局的选项132,浏览可以添加到设计140的图形元素(例如,网格、帧、形状、线、图标、图表等)的选项133,浏览可以添加到设计140的文本元素的选项134,浏览可以应用到设计140的背景颜色和模式的选项135,以及浏览用户102先前已经上传的内容的选项136。
网站130还包括文本字段以键入搜索查询137。在示出的示例中,用户102已经在文本字段中键入“狗(dog)”,导致各种搜索结果138(即,狗的图像)的显示。搜索结果138中的一些可以具有相关联的价格信息(例如,“$1USD”),指示对应的图像可以在发布的设计中用于一次性使用许可费。在所图示的示例中,用户102已经将搜索结果138中的一个(即,戴着围巾的狗)添加到设计140中,如141处所示。添加的搜索结果在搜索结果的底部附近,如由滚动位置指示符142所指示的。网站130可以使得能够调节图像的着色(如139处所示)、图像的大小(例如,使用四个锚点143中的一个)以及图像的旋转方向(例如,使用旋转锚点144)。网站还可以使得能够水平或垂直地翻转图像,如145处所示。虽然图1中图示特定图形设计功能性,但是应领会:所示的具体功能性不应被视为限制性的。在各个方面,网站130可以使能一般在独立图形设计应用程序中找到的至少任何图形设计功能,但是应理解:网站130也可以使能其他功能性。
在特定方面,网站130使得能够自动匹配样式属性,如参照图2-5所进一步描述的。例如,图2图示图形设计过程的开始时的设计140,即设计140是空白的。在替代示例中,设计140在图形设计过程的开始时可以不是空白的(例如,因为图形设计过程的开始对应于打开先前保存的设计以用于进一步编辑)。经由网站130创建/编辑的每个设计可以与列出设计140的各种样式属性的样式文档相关联。举例说明,当设计140为空时,相关联的样式文档210可以列出默认设计样式属性,诸如“白色背景”。样式文档210可以随着设计140被更新而被自动更新。例如,当项目被添加到设计时,当项目被从设计中移除时,以及当设计中的项目被修改时,样式文档210可以被更新,如参照图9所进一步描述的。
在一些示例中,设计140被存储为数字文件,并且样式文档210被存储为数字文件的一部分(例如,作为元数据)。在替代示例中,样式文档210与设计140分开存储和访问。将领会:与设计140分开访问样式文档210的能力可以使得能够快速搜索多个样式文档而不必加载相关联的设计文件(其可能大得多)。在特定方面,样式文档210被存储为可扩展标记语言(XML)数据。在一些示例中,样式文档210提供结构以描述组合丰富文本和图形的设计。样式文档210可以使得能够有效表示设计的语义和风格内容两者。在说明性实现方式中,样式向量可以被表示为表示设计的风格和语义内容的n维位串。样式向量可以从设计中被确定性地计算,并且可以用于比较两个设计之间的风格相似性,例如通过计算两个设计的对应样式向量之间的“编辑距离”。因而,通过将样式向量表示为位串,本公开的系统和方法可以使能搜索样式匹配的图像的更快样式比较。此外,因为可以与对应的设计文档/文件分开存储、检索和处理样式向量位串,所以可以减少在基于样式的搜索处理中涉及的总体存储器占用。
参考图3,当将戴着围巾的狗的图像添加到设计时,可以更新样式文档210。例如,除了“白色背景”之外,样式文档210还可以包括图像的样式属性,诸如关键词、颜色、大小等。在示出的示例中,样式文档210包括“狗”、“围巾”、“站立”、“白色”、“中灰色”、“黑色”、“前视图”、“闭眼”、“微笑”以及“2.44英寸宽x4.30英寸高。”在一些示例中,设计中的图像的标识符(ID)也可以被包括在样式文档中。举例说明,戴着围巾的狗的图像可以是库存“戴着围巾的动物”库的一部分,并且包括样式文档210中的图像的ID可以导致识别“戴着围巾的动物”库中的附加图像,例如因为库中的所有图像都具有以相同字母数字字符串开始的ID。在一些示例中,设计的(一个或多个)图形元素本身可以是样式向量。举例说明,图形元素可以被输入到基于图像或反向图像搜索中,诸如用于颜色匹配。
应理解:在本文中所列出和在图中所示的样式属性的各种示例仅用于说明性目的,而不应被视为限制性的。样式属性的附加示例包括但不限于颜色的数量、调色板、线条的颜色、线条粗细、线条数量、边缘数量、存在/不存在渐变、字体样式、对实心像素透明的比率、不存在/存在实心(例如,填充)对象与线条/线框对象、向量与像素/光栅图像的使用、轮廓、轮廓颜色、关于图像的作者或贡献者的信息、主观信息(例如,图像“情绪”)等。
如果用户修改狗的图像,则样式文档210中的样式属性可以被动态更新。例如,如果用户将围巾的颜色改变为红色,则样式文档210可以包括“红色”而不是“中灰色”。应当理解:虽然在示出的示例中使用词来表示颜色信息,但是在替代示例中,颜色可以使用数字来表示(例如,对于白色是十六进制值#FFFFFF,对于黑色是#000000等)。在一些示例中,几何信息可以以交替单位(例如,像素而不是英寸)来表示。在一些实现方式中,样式属性可以包括视觉上不可察觉的关键词。例如,针对跑车图片的样式属性可以包括“快速”。在本文中进一步描述如何确定样式属性的示例。
参考图4,在设计140的编辑期间,用户102可以搜索另一个图像以添加到设计140。例如,用户102可以搜索猫的图像。根据本公开,通过这样的搜索生成的搜索结果可以自动地将与风格文档210中所列出的(一个或多个)样式属性更接近地匹配的图像排名高于其他图像。例如,如图4中所示,戴着围巾的站立猫的图像可以被自动排名高于猫的其他图像。将领会:优先化与设计140中已经存在的项目“风格相似”的搜索结果可以使能更快的设计过程和更直观的用户体验,例如因为用户可能不必滚动大量搜索结果来找到相关的图像。
因而,在特定方面,本公开的系统和方法可以将设计的样式属性与库或数据库中的媒体资产(例如,图像)的样式属性比较。如以上所描述的,随着设计被修改,针对设计的样式属性可以被动态地确定并存储在样式文档中。在一些示例中,与库/数据库中的媒体资产相关联的样式属性可以被手动键入(例如,由与图形设计网站130相关联的人员)。在其他示例中,与媒体资产相关联的样式属性可以被自动确定。例如,样式属性可以使用计算机视觉算法来自动确定。作为另一个示例,样式属性可以由基于神经网络的分类器确定。例如,库/数据库中的媒体资产的全部或一部分可以用作针对神经网络的训练集,并且库/数据库中的媒体资产的剩余部分以及新上传的媒体资产可以由神经网络自动分类。
根据图1的系统100处的操作的第一示例,如图1所示,由用户102输入的第一搜索查询可以使用样式文档的全部或一部分来自动增强。举例说明,由用户键入的第一搜索查询“猫”可以基于样式文档210来增强,导致第二(增强的)搜索查询“猫;细节=围巾,站立,闭眼,微笑;颜色=白色,中灰色,黑色;视图=前视图;大小=2.44x4.30”,如图5中所示。
使用增强的搜索查询搜索可用的库/数据库可以提供与设计140的一般样式更接近地匹配的搜索结果。例如,与增强的搜索查询中更多数量的项匹配的搜索结果可以排名高于与增强的搜索查询中较少数量的项匹配的搜索结果。举例说明,如图5中所示,戴着围巾的猫的图像具有与第二搜索查询匹配的八个样式属性,而拳击猫的图像具有与第二搜索查询匹配的三个样式属性。因此,可以确定戴着围巾的猫的图像比拳击猫的图像更接近地匹配样式文档210(和设计140),并且因此可以排名高于,如图4中所示。
在特定示例中,因为向量图形可以在网站130处可用,所以确定图像“大小”是否匹配可以等同于确定图像宽高比是否在彼此的阈值范围(例如,10%)内。例如,参考图5,第二(增强的)搜索查询包括2.44x4.30的大小,其等于2.44/4.30=0.57的宽高比。搜索结果的宽高比分别为3.49/4.30=0.81和1.03/1.12=0.91。因为0.81和0.91两者都在0.57+/-10%之外,所以搜索结果两者都不与由搜索查询指定的图像大小匹配。
根据图1的系统100的操作的第二示例,可以如参照图5所描述的那样增强查询,但是可以使用散列函数来代替执行逐个属性的比较。例如,参考图6,可以基于与第一搜索结果(戴着围巾的猫的图像)相关联的样式属性而生成第一散列值H1,并且可以基于与第二搜索结果(拳击猫的图像)相关联的样式属性而生成第二散列值H2。可以基于设计的(一个或多个)样式属性而生成第三散列值(H3),诸如基于第二(增强的)搜索查询。散列值H1、H2和H3中的每个可以是可以被比较的数值量。在示出的示例中,H1与H3之间的“距离”(例如,H1与H3之间的差的绝对值)可以小于H2与H3之间的距离,这指示戴着围巾的猫的图像与设计140的样式更接近地匹配。因而,戴着围巾的猫的图像可以排名高于拳击猫的图像,如图4中所示。
应理解:样式匹配不仅可以在类似的基础上执行。在一些示例中,某些样式向量可以在风格上与诸如背景之类的其他项目匹配。举例说明,如果用户仅将黑色背景应用于设计,则搜索可以识别与黑色背景互补的结果。举例说明,白色或黄色的图像与黑色背景形成对比,因此可以排名高于具有难以在黑色背景下看到的颜色(诸如深蓝色)的图像。
图5-6因此示出操作的示例,其中基于与设计相关联的样式属性而自动增强由用户提供的搜索查询。在其他示例中,可以不增强搜索查询。相反,可以基于用户提供的查询而检索搜索结果,并且随后可以使用与设计相关联的样式属性来对搜索结果排名,其中这样的排名基于如参照图5所描述的逐个属性的匹配或者如参照图6所描述的散列。
继续到图7,用户102已经将戴着围巾的猫的图像添加到设计140。结果,样式文档210现在包括戴着围巾的狗的图像的样式属性(如图3中所示),并且还包括与戴着围巾的猫的图像相关联的样式属性。如果用户102假定要对鸟执行另一次搜索,则在设计140中使用的两个图像的样式属性可以用于识别在风格上类似于该设计(例如,戴着围巾)的鸟的图像。
图1-7因此示出在图形设计过程期间匹配样式属性的各个方面。样式属性的匹配(诸如在生成和/或优先化搜索结果中)可以使能更快的设计过程并提供更直观的用户体验。例如,可以减少滚动搜索结果以找到感兴趣的图像所花费的时间。
在一些方面,可以在系统100中使用机器学习。作为第一示例,可以跟踪用户喜欢、使用、在其上悬停、点击、发布等的风格特征,并且可以在随后的建议或搜索结果中提升该风格特征。例如,如果用户搜索狗并且具有利用单色线条图的历史,则可以在搜索结果中优先化狗的单色线条图。在一些示例中,在注册或新用户引导过程期间,可以要求用户从一组中选择他们最喜欢的图示。所选图示的样式向量可以被存储为用户样式偏好,并且可以在对搜索结果排名时使用。在特定示例中,用户已经添加到正在进行中或先前发布的设计中的图像的样式向量可能被更重地加权,使得它们更显著地影响未来建议或搜索结果的样式。
作为系统100中使用的机器学习技术的另一个示例,可以基于用户动作来训练回归模型,并且可以使用该回归模型来预测用户可以在不久的将来可能使用设计(并且通过扩展,什么图像)的什么类别(例如,“生日”、“野生动物”等)。作为另一个示例,机器学习算法可以调节用于对搜索结果排名的权重。作为又一个示例,神经网络可以用于基于内容或样式来执行图像聚类,并且对于其偏好类似于特定聚类的用户,该特定聚类的图像可以在搜索结果中排名更高。作为另一个示例,自然语言处理可以用于通过使用搜索项来修改(例如,扩展)搜索查询,该搜索项可能生成比由用户提供的初始搜索项好的搜索结果。
虽然在本文中的各种描述参考确定风格上类似的媒体,但是在一些示例中,还可以或替代地确定风格上“互补的”媒体。举例说明,与正在进行的设计中已经存在的那些互补的字体或图像可以在搜索结果中排名更高。互补的字体可以是已被确定为美学上令人愉悦和/或往往一起使用的字体。这样的字体可以具有一些相似的样式属性(例如,字母粗细)和不同的其他样式属性(例如,衬线的使用)。类似地,互补的图像可以具有一些相似的样式属性和不同的其他样式属性。
在一些示例中,可以在搜索期间使用概率加权。例如,可以确定风格太同质的设计是平淡的或者以其他方式在美学上令人不悦的。因而,与设计中已经存在的“视觉上太相似”的搜索结果(例如,如使用计算机视觉算法所确定的)可以接收负加权并且可以在搜索结果中去优先化。各种因素或加权可以有助于对搜索结果的“成功概率度量”,并且可以使用以上所描述的机器学习技术迭代地改进成功概率度量。作为说明性的非限制性示例,如果用户将狗的图像插入到设计中并且然后搜索猫,则如上所描述的,在风格上类似于狗的图像的猫的图像可以在搜索结果中排名更高。然而,如果重复未使用某个更高排名的搜索结果,则负加权可以开始增加与该狗图像相关的该猫图像的成功概率度量。相反,如果重复使用某个搜索结果,则进一步的正加权可以开始增加与该狗图像相关的该猫图像的成功概率度量。可以基于每个用户或基于全局实现和存储这样的成功概率度量。
在一些示例中,已被添加到设计的文本可以用作搜索过程的一部分。举例说明,用户可以将“生日快乐”添加到设计,并且然后用搜索查询“儿童”执行图像搜索。作为响应,搜索查询可以被增强为“儿童生日快乐”,但是仅仅基于增强找到的图像可以比从主关键词“儿童”产生的图像加权小。尽管如此,但是与仅使用主关键词“儿童”进行搜索相比,搜索结果可以得到提高,因为庆祝他们的生日的儿童的图像可以被优先化。
尽管图1示出可操作以在高级别执行样式属性匹配的系统100,但是应理解:这样的系统的操作可以包括图1中未图示的各种本地和/或基于云的组件。例如,图8更详细地描绘可操作以支持本公开的实施例的系统800的逻辑图。虽然在逻辑图中被图示,但是应理解:系统800的各种组件可以包括或可以对应于计算机硬件、计算机软件或其组合。此外,系统800的组件可以被配置成彼此通信,例如经由(一个或多个)有线网络和/或(一个或多个)无线网络。因而,在各种实现方式中,在本文中被描述为由图8的特定组件执行的操作可以由对应于特定组件的专用硬件、软件或其组合来执行。
在特定方面,系统800支持基于浏览器和基于移动应用程序的对图形设计网站的访问。举例说明,图形设计网站可以对应于图1的网站130,并且系统800中的一些或全部组件可以由图1的服务器120、(一个或多个)服务器124和/或(一个或多个)设备126实现。例如,用户可以登录网站并创建、编辑和保存图形设计。该网站可以支持操作,包括但不限于创建新设计、将布局应用于设计、搜索并将图像添加到设计、保存设计、发布设计等。在特定方面,如参照前面的图所描述的,图形设计网站支持样式属性的自动匹配。
系统800包括在平台即服务(PaaS)提供商804处执行的web前端802。PaaS提供商804可以使能软件即服务(SaaS)应用程序(诸如web应用程序)的大规模部署。例如,web前端802可以表示在由PaaS提供商804拥有和/或从PaaS提供商804租用的硬件上执行的SaaS应用程序的一个、五个、十个或一些其他数量的实例。前端SaaS应用程序的每个这样的实例可以经由因特网可访问。在一些示例中,由用户的计算设备执行的浏览器或移动应用可以经由内容递送网络801访问web前端802。CDN 801还可以被配置成高速缓存静态内容(例如,缩略图、静态图像、静态web内容等)。举例说明,当用户请求诸如特定图像之类的特定内容项目时,如果CDN 801(例如,其服务器)存储图像的副本,则CDN可以响应于该请求而不将请求进一步传递到图8中所示的服务基础设施中。CDN 801因而可以包括高速缓存内容的多个地理上分布的“边缘”服务器。
web前端802可以被配置成向请求器供应网站,诸如通过响应于超文本传输协议(HTTP)GET请求、HTTP POST请求等。web前端802还可以被配置成响应于源自web浏览器和/或移动应用程序的应用程序编程接口(API)调用。在一些示例中,web前端802可以利用存储会话数据的存储器中高速缓存803。举例说明,当用户登录到由web前端802供应的网站时,关于用户的信息(例如,显示名称、照片、订阅级别、电子邮件地址等)可以被存储在存储器中高速缓存803中,用于在网站的一些或全部网页上快速检索、处理和/或渲染。存储器中高速缓存803的使用因而可以使得能够在不访问后端系统的情况下快速供应网页以确定用户信息。
系统800包括负载平衡器806,该负载平衡器806被配置成支持从web前端802到多个后端服务或微服务的通信和工作负载分布,所述多个后端服务或微服务例如在云计算环境中的一个或多个虚拟机上执行。可以使用由云服务提供商拥有和/或由其租用的物理硬件来实现每个这样的虚拟机。系统800可以基于多层配置中的规模分组来支持服务的规模和动态部署。在特定方面,可以基于针对服务的预期负载模式将服务分组在某些虚拟机中。基于观察到的负载模式的变化或新服务的引入,系统800的体系结构可以使得能够以低成本重新组织这些分组。跨过多个虚拟机的分离服务还可以响应于某些类型的负载的增加而使得能够规模具体服务分组。该规模可以基于负载的监视而自动发生,并且还可以在预期负载增加时被手动触发。举例说明,如果观察到越来越多数量的搜索任务(例如,基于忙碌时间与空闲时间的百分比),则可以动态地将包括搜索RPC服务836和/或搜索工作器852的实例的更多虚拟机实例化为供应需求。相反,如果系统800的管理员预期搜索量增加,则管理员可以手动初始化包括搜索RPC服务836和/或搜索工作器852的实例的附加虚拟机。当搜索量减少时,虚拟机可以被自动(例如,基于忙碌时间与空闲时间的百分比)或手动按比例缩小。
在图8的示例中,第一层服务包括同步“请求-响应”远程过程调用(RPC)服务,并且第二层包括异步“工作器”服务。同步RPC服务可以从请求器接收第一数据,执行一个或多个处理功能,并且将第二数据返回给请求器。这样的同步请求-响应服务可以用于可以相对快速地完成的任务,例如在三秒或更短时间内,因为在一些示例中,请求器(例如,web浏览器或移动应用程序)可以在等待响应的同时阻止。相反,第二层的异步工作器服务可以用于后台任务和不能或不可以相对快速地完成的其他任务。
在图8中,第一层包括第一规模分组822(被指定为“A”)、第二规模分组840(被指定为“G”)和第三规模分组841(被指定为“E”)。第一规模分组822包括计费远程过程调用(RPC)服务808、导出RPC服务810、导入RPC服务812、许可RPC服务814、媒体RPC服务816、审查(review)RPC服务818和共享RPC服务820。举例说明,对应于第一规模分组822的虚拟机可以执行所图示的RPC服务。计费RPC服务808可以被配置成执行同步计费任务(例如,检查账户余额)。导出RPC服务810可以用于执行同步图形设计导出任务(例如,将设计保存成相对简单的输出图像格式)。导入RPC服务812可以被配置成使得用户能够导入媒体资产以用于在图形设计创建/编辑中使用。许可RPC服务814可以被配置成实施图像许可(例如,一次性许可)。媒体RPC服务816可以被配置成跟踪和编目经由系统800可用的媒体资产,包括但不限于用户上传的和/或库图像、布局、字体等。审查RPC服务818可以被配置成便于接受贡献者媒体(例如,由网站的授权贡献者上传媒体资产)。共享RPC服务820可以使得能够与其他用户共享图形设计,诸如经由社交媒体帐户。
第二规模分组840包括评论RPC服务824、文档RPC服务826、文件夹RPC服务828、通知RPC服务830、打印RPC服务832、简档RPC服务834、搜索RPC服务836和社交RPC服务838。评论RPC服务824可以使得用户能够对评论线程中的图形设计进行评论。文档RPC服务826可以使能网站的核心设计创建、设计更新和设计删除功能性。文件夹RPC服务828可以使得能够导航进出与用户的帐户相关联的不同文件夹。通知RPC服务830可以使得能够经由网站向用户生成和供应通知(例如,当用户的设计被“点赞(like)”或评论时)。在一些方面,多个这样的通知可以被合并到电子邮件中,该电子邮件被发送到用户的电子邮件地址或者当用户访问网站时被显示在弹出窗口上。打印RPC服务832可以使得能够将图形设计发送到第三方打印机,例如以被打印并且然后被递送到用户的物理邮寄地址。简档RPC服务834可以使得用户能够管理他们的网站帐户。搜索RPC服务836可以使得能够搜索图像、布局、设计等。社交RPC服务838可以使得用户能够在网站上执行社交网络参与(例如,“关注(follow)”另一个用户,“点赞”另一个用户的设计等),并且可以生成由所关注的用户创建的设计的“馈送”。第三规模分组841包括计算RPC服务843,该计算RPC服务843可以专用于执行某些快速高CPU利用率操作,诸如密码的散列和求解。
图8中的第二层服务包括第四规模分组858(被指定为“D”)、第五规模分组864(被指定为“F”)、第六规模分组868(被指定为“C”)、第七规模分组876(被指定为“H”)和第八规模分组872(被指定为“B”)。第四规模分组858包括计费工作器844、文档工作器846、导出工作器848、文件夹工作器850、搜索工作器852、共享工作器854和社交工作器856。第五规模分组864包括低优先级导入工作器860和审查工作器862。第六规模分组868包括高优先级导入工作器866。第七规模分组876包括低优先级导出工作器874。第八规模分组872包括中/高优先级导出工作器870。在说明性方面,图8中的异步工作器服务可以执行由图8的对应RPC服务执行的操作的更长和/或更复杂版本。在特定实现方式中,图8中所示的优先级指定(例如,“低”、“中”和“高”)对应于一定量的专用处理资源。“高”优先级可以用于由用户动作触发的作业,而“中”或“低”优先级可以用于不是由用户动作触发的作业(例如,后台作业)。
应理解:图8中所示的各种服务及其分组仅用于图示而不应被视为限制性的。在替代实施例中,系统中可以存在更多、更少和/或不同的服务。此外,可以使用将不同的服务分组为不同于图8中所示的规模分组。在一些方面,图8中所示的规模分组中的每个都对应于虚拟硬件实例,即,在云服务提供商处运行的虚拟机。因而,在任何给定时间,可以存在规模分组中的每个的一个或多个活动/执行实例,并且活动/执行虚拟机实例的具体数量可以基于正由负载平衡器806管理的总体工作负载而动态地改变。各种实例的协调和配置,包括在其中执行的实例和/或服务之间的通信,可以由协调工具805管理,该协调工具805本身可以是基于云的系统。
在操作期间,第一层的同步RPC服务可以被配置成经由消息队列842与第二层的异步工作器的服务通信,并且可以利用异步工作器来执行耗时的任务。例如,导出RPC服务810可以接收用户想要将图形设计导出为便携式文档格式(PDF)的请求。导出RPC服务810可以将对应的工作请求推送到消息队列842中。导出工作器(例如,中/高优先级导出工作器870)可以通过将图形设计渲染为PDF而响应于工作请求。PDF或(存储在云存储系统中的PDF的链接)然后可以被传递回到请求的用户。作为另一个示例,文件夹RPC服务828可以接收指示用户想要与另一个用户共享图形设计的文件夹的请求。文件夹RPC服务828可以使用消息队列842来请求文件夹工作器850对文件夹以及该文件夹中的每个项目设置相应的权限。作为又一个示例,异步工作器可以用于在系统800中执行例行后台任务,诸如订阅级别的每日验证。
在系统800处的某些操作期间,所图示的服务可以访问一个或多个数据库或数据存储。例如,文档数据库884可以存储对应于用户创建的图形设计的文件,并且媒体数据库885可以存储经由图形设计网站可访问的图像上传、字体和布局。在说明性方面,当用户打开或保存图形设计时,文档数据库884可以由文档工作器846访问。在另一个说明性方面,当用户上传或检索图像、布局或字体时,媒体数据库885可以由媒体RPC服务816访问。
系统800还可以包括许可数据库886、共享数据库887、导出数据库888、简档数据库889或社交数据库890中的一个或多个。许可数据库886可以由许可RPC服务814用于跟踪已由用户获取的许可(例如,针对图像的一次性使用许可)。共享数据库887可以由共享RPC服务820或共享工作器854用于管理与其他用户(例如,经由(一个或多个)社交网络)的图形设计的共享。导出数据库888可以由导出RPC服务810、导出工作器848、低优先级导出工作器874或中/高优先级导出工作器870用于跟踪用户将其图形设计导出为不同的输出格式。简档数据库889可以支持基于不同标准搜索用户简档。社交数据库890可以支持网站的社交媒体方面。
系统800还可以包括支持搜索功能性的数据库或数据存储。例如,当用户搜索图像、布局或字体时,媒体搜索数据库891可以由搜索RPC服务836或搜索工作器852访问。作为另一个示例,当用户编辑与其帐户相关联的简档信息时,简档搜索数据库892可以由简档RPC服务834访问。作为又一个示例,当用户搜索先前保存的图形设计时,文档搜索数据库893可以由文档工作器846访问。
系统800处的某些操作可以涉及访问不是网站的核心服务导向平台的一部分的“外部”服务。这样的外部服务的示例可以包括但不限于分析服务878、度量服务879、计费服务880、电子邮件服务881、开放授权(OAuth)服务882或日志服务883。每当用户在网站上执行动作时,分析服务878可以接收分析事件(例如,消息),并且可以使能网站工作流、操作和性能的每用户和宏级分析。度量服务879可以收集并提供关于系统800的各种组件的性能信息。计费服务880可以与一个或多个外部支付提供商接口连接,诸如用于信用卡处理、移动支付处理等。电子邮件服务881可以使得能够生成和/或发送电子邮件给用户(例如,用于通知、密码重置等)。OAuth服务882可以使用社交网络凭证来使能到网站的联合登录。日志记录服务883可以索引由系统800的组件生成的事件/消息以用于稍后的诊断搜索。
可以由系统800支持的操作的一个示例是经由因特网浏览器或移动应用程序登录到图形设计网站。可以由web前端802从因特网浏览器或移动应用程序接收登录请求。登录请求可以由负载平衡器806路由到配置文件RPC服务834的实例,这可以在配置文件数据库889中“查找”用户并且可以认证用户(联合社交网络登录可以涉及OAuth服务882)。一旦用户被认证,网站就可以为用户加载定制主页,这可以包括正由文件夹RPC服务828、文档工作器846等的实例执行的操作。然后可以将定制主页返回给用户的因特网浏览器或移动应用程序。
可以由系统800支持的操作的另一个示例是开始新设计或打开现有设计。当用户在新设计模板上点击时,web前端802可以向用户的因特网浏览器或移动应用程序提供可执行以编辑新设计或现有设计的图形设计界面(例如,HTML代码)。在加载现有设计的情况下,文档RPC服务826和/或文档工作器846可以访问文档数据库884以检索现有设计,并且媒体RPC服务816可以从媒体数据库885加载包括在设计中的媒体资产。
可以由系统800支持的操作的另一个示例是当用户使用由网站供应的图形设计界面来更新设计时。随着用户更新设计,更新可以由文档RPC服务826和/或文档工作器846处理。例如,(一个或多个)服务可以处理图像或文本移动、插入、删除、调整大小、重新着色等。
可以由系统800支持的操作的另一个示例是用户导入图像时。在这种情况下,导入RPC服务812以及/或者导入工作器860、866中的一个可以接收用户上传的图像,处理图像,并将图像集成到媒体数据库885中以用于由媒体RPC服务816随后检索。
可以由系统800支持的操作的另一个示例是当用户将布局应用于设计时。在这种情况下,媒体搜索数据库891可以经由媒体RPC服务816提供对应于布局的媒体资产。将媒体资产插入到设计中然后可以由文档RPC服务826和/或文档工作器846处理,作为对用户设计的更新。
可以由系统800支持的操作的另一个示例是当用户搜索媒体资产并且然后将媒体资产拖放到设计中时。例如,当用户键入搜索查询“狗”时,搜索RPC服务836和/或搜索工作器852可以访问媒体搜索数据库891以检索针对“狗”的搜索结果。搜索结果可以由用户的因特网浏览器或移动应用程序呈现。当用户将特定搜索结果(例如,狗的特定图像)添加到他们的设计时,文档RPC服务826或文档工作器846可以处理对设计的对应更新。
在特定方面,系统800可以支持样式属性的匹配。随着设计(例如,设计140)正被更新,文档RPC服务826和/或文档工作器846可以生成描述在设计中使用的样式属性的样式文档(例如,样式文档210)。样式文档可以是设计的一部分,或者可以与设计分开存储。样式文档然后可以用于“提升”由搜索返回的搜索结果。例如,样式文档的全部或一部分可以被附加到用户键入的搜索查询中。
为了支持这样的增强搜索,可以在样式属性上索引媒体数据库885中的媒体。索引可以使用基于计算机视觉和/或机器学习(例如,基于神经网络分类器)的算法来手动和/或自动完成,并且可以导致与媒体资产一起存储的元数据。在特定方面,执行异步索引服务以实现这样的索引功能。当用户键入搜索查询时,可以执行图9的方法900以生成搜索结果。
方法900包括:在902处,在设计的编辑期间接收第一搜索查询,该第一搜索查询至少包括第一搜索项。例如,参考图8,web前端802和/或CDN 801可以向用户设备(例如,图1的计算设备110)供应图形设计网站(例如,图1的网站130)。当用户在网站上编辑设计(例如,设计140)的同时,文档RPC服务826可以将编辑保存到设计并且可以更新与设计相关联的样式文档(例如,样式文档210)。在编辑过程期间,用户可以键入第一搜索查询,该第一搜索查询可以由搜索RPC服务836和/或搜索工作器852接收。在说明性示例中,第一搜索查询可以包括第一搜索项“猫”,如图4-6中所示。
方法900还包括:在904处,识别与设计相关联的至少一个样式属性。例如,参考图8,文档RPC服务826可以从与设计相关联的样式文档确定与设计相关联的样式属性,并且可以向搜索RPC服务836和/或搜索工作器852提供样式属性。
方法900进一步包括:在906处,基于第一搜索项、至少一个样式属性或其组合来搜索至少一个数据库,以生成搜索结果。例如,参考图8,搜索RPC服务836和/或搜索工作器852可以基于第一搜索项、至少一个样式属性或两者来搜索媒体搜索数据库891。在说明性实现方式中,搜索RPC服务836和/或搜索工作器852可以通过用(一个或多个)样式属性增强第一搜索查询来生成第二搜索查询,如参照图5-6所描述的,并且可以基于第二搜索查询来搜索媒体搜索数据库891。替代地,可以使用第一搜索查询来搜索媒体搜索数据库891。
方法900包括:在908处,输出搜索结果。基于确定第一搜索结果比第二搜索结果更接近地匹配与设计相关联的至少一个样式属性,搜索结果的第一搜索结果排名高于搜索结果的第二搜索结果。例如,搜索RPC服务836和/或搜索工作器852可以经由web前端802和/或CDN 801向图1的计算设备110提供搜索结果以用于显示。如图4中所示,当设计包括戴着围巾的狗的图像时,戴着围巾的猫的图像在搜索结果中可能排名高于猫的其他图像。在说明性实现方式中,搜索RPC服务836和/或搜索工作器852可以在搜索结果的样式属性与设计的样式属性之间执行逐个属性的比较,如图5中所示。替代地,搜索RPC服务836和/或搜索工作器852可以评估散列函数以确定搜索结果的样式属性与设计的样式属性的匹配程度,如图6中所示。
已经参照图描述了可以实现本公开的各种特征的(一个或多个)实施例的方法和设备。提供图和相关联的描述以图示实施例,而不是为了限制本公开的范围。对任何具体方面、实施例或实现方式的引用旨在指示连同其描述的特定特征、结构或特性被包括在本公开的至少一个方面、实施例或实现方式中。然而,术语“方面”、“实施例”或“实现方式”的各种用法不一定都指代相同的单个方面、实施例或实现方式。
在前面的描述中,给出具体细节以提供对本公开的透彻理解。然而,本领域普通技术人员将理解:可以在没有这些具体细节的情况下实践本公开。可能未详细示出公知的结构和技术,以避免模糊所图示的实施例。例如,可以在框图中示出算法。
应注意到:实施例可以被描述为过程,该过程被描绘为流程图表、流程图、结构图或框图。虽然流程图可以将操作描述为顺序过程,但是许多的操作可以并行地或至少部分地同时执行。另外,可以重新排列操作的次序。过程在其操作完成时终止。过程可以对应于方法、函数、程序、子例程、子程序等。当过程对应于函数时,其终止对应于将函数返回到调用函数或主函数。
此外,贮存器可以表示存储数据的一个或多个设备,包括但不限于随机存取存储器(RAM)、闪存、只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、寄存器、硬盘、可移动磁盘、基于盘的存储器(例如,光盘只读存储器(CD-ROM))、闪存设备和/或存储信息的其他计算机可读或处理器可读介质。如在本文中所使用的,计算机可读或处理器可读存储介质/设备不是信号。
此外,实施例可以通过硬件、软件、固件、中间件、微代码或其任何组合来实现。当用软件、固件、中间件或微代码实现时,执行任务的程序代码或代码段可以被存储在存储器或其他贮存器中。一个或多于一个处理器可以串行、分布式、并发或并行执行任务。在一些示例中,虚拟计算机系统可以被构造成实现如在本文中所描述的方法或功能性中的一个或多个。代码段可以表示过程、函数、子程序、程序、例程、子例程、模块、软件包、类、或者指令的组合、数据结构或程序语句。代码段可以通过传递和/或接收信息、数据、自变量、参数或存储器内容而耦合到另一个代码段或硬件电路。通过合适的手段,包括存储器共享、消息传递、令牌传递、网络传输等,可以传递、转发或传输信息、自变量、参数、数据等。
虽然已经以一定程度的特殊性描述了本公开,但是应理解:本公开是通过示例的方式进行的,并且其他版本是可能的。因为在不脱离本公开的范围的情况下可以在以上描述中进行各种改变,所以在以上描述中所包含或者在附图中所示的所有内容应当旨在是说明性的而不是以限制性意义使用。
在包括权利要求、摘要和附图的本说明书中公开的所有特征,以及所公开的任何方法或过程中的所有步骤,可以以任何组合进行组合,除了其中至少一些这样的特征和/或步骤相互排斥的组合。除非另有明确陈述,否则包括权利要求、摘要和附图的说明书中公开的每个特征可以由用于相同、等同或类似目的的替代特征代替。
因而,除非另有明确陈述,否则所公开的每个特征仅是一系列类的等效或类似特征的一个示例。以上公开的主题应被视为是说明性的而非约束性的,并且所附权利要求旨在覆盖落入本公开的真实范围内的所有这样的修改、增强和其他实施例。因而,在法律允许的最大范围内,本公开的范围将由下面的权利要求及其等同物的最宽泛的可允许解释来确定,并且不应当受前面描述的约束或限制。
Claims (20)
1.一种方法,包括:
在计算设备的处理器处,在设计的编辑期间接收第一搜索查询,所述第一搜索查询至少包括第一搜索项;
识别与所述设计相关联的至少一个样式属性;
基于所述第一搜索项、所述至少一个样式属性或其组合而搜索至少一个数据库,以生成搜索结果;以及输出所述搜索结果,
其中基于确定第一搜索结果比第二搜索结果更接近地匹配与所述设计相关联的所述至少一个样式属性,所述搜索结果的第一搜索结果排名高于所述搜索结果的第二搜索结果。
2.根据权利要求1所述的方法,其中所述至少一个样式属性指示的是颜色、颜色的数量、调色板、线条颜色、线条粗细、线条的数量、边缘的数量、轮廓、轮廓颜色、存在或不存在渐变、大小、字体、字体样式、对实心像素透明的比率、存在或不存在向量或光栅图像、存在或不存在实心或线条对象、宽高比、视图、关键词、情绪、关于图像的作者或贡献者的信息、或者其任何组合。
3.根据权利要求1所述的方法,其中基于与所述设计相关联的样式文档来识别所述至少一个样式属性。
4.根据权利要求3所述的方法,其中所述样式文档可与所述设计分开存储和访问。
5.根据权利要求3所述的方法,进一步包括:响应于所述设计的编辑而更新所述样式文档。
6.根据权利要求1所述的方法,其中基于第二搜索查询而搜索所述至少一个数据库,所述第二搜索查询是通过基于所述至少一个样式属性增强所述第一搜索查询而生成的。
7.根据权利要求1所述的方法,进一步包括:基于所述搜索结果的每个的样式属性是否匹配与所述设计相关联的所述至少一个样式属性来对所述搜索结果进行排名。
8.根据权利要求1所述的方法,其中所述搜索结果中的至少一个与经由用户输入键入的样式属性相关联。
9.根据权利要求1所述的方法,其中所述搜索结果中的至少一个与基于一个或多个计算机视觉过程、基于神经网络的分类器、机器学习算法或其组合自动确定的样式属性相关联。
10.根据权利要求1所述的方法,其中确定所述第一搜索结果比所述第二搜索结果更接近地匹配与所述设计相关联的所述至少一个样式属性包括:
基于与所述第一搜索结果相关联的一个或多个样式属性而生成第一散列值;
基于与所述第二搜索结果相关联的一个或多个样式属性而生成第二散列值;
基于与所述设计相关联的所述至少一个样式属性而生成第三散列值;以及
确定所述第一散列值与所述第三散列值之间的第一距离小于所述第二散列值与所述第三散列值之间的第二距离。
11.根据权利要求1所述的方法,其中多个样式属性与所述设计相关联,其中与所述第一搜索结果相关联的第一数量的样式属性与所述多个样式属性匹配,其中与所述第二搜索结果相关联的第二数量的样式属性与所述多个样式属性匹配,并且其中所述第一数量大于所述第二数量。
12.一种装置,包括:
至少一个处理器;
存储器,存储可由所述处理器执行以实现操作的指令,所述操作包括:
在设计的编辑期间接收第一搜索查询,所述第一搜索查询至少包括第一搜索项;
识别与所述设计相关联的至少一个样式属性;
基于所述第一搜索项、所述至少一个样式属性或其组合而搜索至少一个数据库,以生成搜索结果;以及输出所述搜索结果,
其中基于确定第一搜索结果比第二搜索结果更接近地匹配与所述设计相关联的所述至少一个样式属性,所述搜索结果的第一搜索结果排名高于所述搜索结果的第二搜索结果。
13.根据权利要求12所述的装置,进一步包括:至少一个数据存储设备,被配置成存储所述设计。
14.根据权利要求13所述的装置,其中所述至少一个数据存储设备被进一步配置成:存储与所述设计相关联的样式文档,其中所述样式文档标识所述至少一个样式属性,并且其中所述样式文档可与所述设计分开访问。
15.根据权利要求12所述的装置,进一步包括:至少一个网络接口,被配置成从计算设备接收所述第一搜索查询并将所述搜索结果输出到所述计算设备。
16.一种存储指令的处理器可读存储设备,所述指令在被执行时使处理器执行操作,所述操作包括:
在设计的编辑期间接收第一搜索查询,所述第一搜索查询至少包括第一搜索项;
识别与所述设计相关联的至少一个样式属性;
基于所述第一搜索项、所述至少一个样式属性或其组合而搜索至少一个数据库,以生成搜索结果;以及输出所述搜索结果,
其中基于确定第一搜索结果比第二搜索结果更接近地匹配与所述设计相关联的所述至少一个样式属性,所述搜索结果的第一搜索结果排名高于所述搜索结果的第二搜索结果。
17.根据权利要求16所述的处理器可读存储设备,其中基于与所述设计相关联的样式文档来识别所述至少一个样式属性,并且其中所述操作进一步包括:响应于所述设计的编辑而更新所述样式文档。
18.根据权利要求16所述的处理器可读存储设备,其中确定所述第一搜索结果比所述第二搜索结果更接近地匹配与所述设计相关联的所述至少一个样式属性包括:
基于与所述第一搜索结果相关联的一个或多个样式属性而生成第一散列值;
基于与所述第二搜索结果相关联的一个或多个样式属性而生成第二散列值;
基于与所述设计相关联的所述至少一个样式属性而生成第三散列值;以及
确定所述第一散列值与所述第三散列值之间的第一距离小于所述第二散列值与所述第三散列值之间的第二距离。
19.根据权利要求16所述的处理器可读存储设备,其中多个样式属性与所述设计相关联,其中与所述第一搜索结果相关联的第一数量的样式属性与所述多个样式属性匹配,其中与所述第二搜索结果相关联的第二数量的样式属性与所述多个样式属性匹配,并且其中所述第一数量大于所述第二数量。
20.根据权利要求16所述的处理器可读存储设备,其中基于确定所述第三搜索结果具有与所述设计相关联的所述至少一个样式属性互补的样式属性,所述搜索结果的所述第三搜索结果排名高于所述搜索结果的第二搜索结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/499,698 | 2017-04-27 | ||
US15/499,698 US10042935B1 (en) | 2017-04-27 | 2017-04-27 | Systems and methods of matching style attributes |
PCT/IB2018/052922 WO2018198080A1 (en) | 2017-04-27 | 2018-04-27 | Systems and methods of matching style attributes |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110537179A true CN110537179A (zh) | 2019-12-03 |
CN110537179B CN110537179B (zh) | 2023-09-12 |
Family
ID=63013966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880023477.8A Active CN110537179B (zh) | 2017-04-27 | 2018-04-27 | 匹配样式属性的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US10042935B1 (zh) |
CN (1) | CN110537179B (zh) |
AU (1) | AU2018260500B2 (zh) |
DE (1) | DE112018002208T5 (zh) |
GB (1) | GB2574969A (zh) |
WO (1) | WO2018198080A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116204091A (zh) * | 2023-05-04 | 2023-06-02 | 北京尽微致广信息技术有限公司 | 一种样式设置方法及装置、存储介质及电子设备 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10685057B1 (en) * | 2016-12-30 | 2020-06-16 | Shutterstock, Inc. | Style modification of images in search results |
US10430455B2 (en) * | 2017-06-09 | 2019-10-01 | Adobe Inc. | Sketch and style based image retrieval |
CN107562805B (zh) * | 2017-08-08 | 2020-04-03 | 浙江大华技术股份有限公司 | 一种以图搜图的方法及装置 |
US20190279084A1 (en) * | 2017-08-15 | 2019-09-12 | Toonimo, Inc. | System and method for element detection and identification of changing elements on a web page |
USD896248S1 (en) * | 2018-05-12 | 2020-09-15 | Canva Pty Ltd. | Display screen or portion thereof with an animated graphical user interface |
US11120070B2 (en) * | 2018-05-21 | 2021-09-14 | Microsoft Technology Licensing, Llc | System and method for attribute-based visual search over a computer communication network |
WO2020055733A1 (en) * | 2018-09-10 | 2020-03-19 | Rewyndr, Llc | Image management with region-based metadata indexing |
US11436764B2 (en) * | 2019-08-06 | 2022-09-06 | Oracle International Corporation | Dynamic generation and delivery of scalable graphic images in web applications |
CN111986083A (zh) * | 2020-07-29 | 2020-11-24 | 上海阿几网络技术有限公司 | 一种图像自动组合的方法和装置 |
US11423028B2 (en) | 2020-08-21 | 2022-08-23 | Cyborg Inc. | System and method for encrypted search using hash vectorization models |
US11720651B2 (en) | 2021-01-28 | 2023-08-08 | Adobe Inc. | Text-conditioned image search based on transformation, aggregation, and composition of visio-linguistic features |
US11874902B2 (en) * | 2021-01-28 | 2024-01-16 | Adobe Inc. | Text conditioned image search based on dual-disentangled feature composition |
US12003525B2 (en) * | 2021-04-02 | 2024-06-04 | Siemens Aktiengesellschaft | Development security operations on the edge of the network |
US11734496B2 (en) * | 2021-11-16 | 2023-08-22 | Canva Pty Ltd | Systems and methods for generating webpage data for rendering a design |
WO2024064103A1 (en) * | 2022-09-19 | 2024-03-28 | Shutterstock, Inc. | Media file recommendations for a search engine |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040261017A1 (en) * | 2001-10-27 | 2004-12-23 | Russell Perry | Document generation |
US20070250501A1 (en) * | 2005-09-27 | 2007-10-25 | Grubb Michael L | Search result delivery engine |
US20100158412A1 (en) * | 2008-12-22 | 2010-06-24 | Microsoft Corporation | Interactively ranking image search results using color layout relevance |
US8352494B1 (en) * | 2009-12-07 | 2013-01-08 | Google Inc. | Distributed image search |
US20140026038A1 (en) * | 2012-07-18 | 2014-01-23 | Microsoft Corporation | Transforming data to create layouts |
CN105488068A (zh) * | 2014-09-19 | 2016-04-13 | 阿里巴巴集团控股有限公司 | 搜索音乐和建立索引的方法及装置、搜索结果判断方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5802361A (en) * | 1994-09-30 | 1998-09-01 | Apple Computer, Inc. | Method and system for searching graphic images and videos |
US8661012B1 (en) * | 2006-12-29 | 2014-02-25 | Google Inc. | Ensuring that a synonym for a query phrase does not drop information present in the query phrase |
US10210179B2 (en) * | 2008-11-18 | 2019-02-19 | Excalibur Ip, Llc | Dynamic feature weighting |
US8181106B2 (en) * | 2009-03-18 | 2012-05-15 | Microsoft Corporation | Use of overriding templates associated with customizable elements when editing a web page |
US8417585B2 (en) * | 2009-09-04 | 2013-04-09 | Cafepress.Com | Search methods for creating designs for merchandise |
WO2011136766A1 (en) * | 2010-04-28 | 2011-11-03 | Hewlett-Packard Development Company, L.P. | System and method for automatically providing a graphical layout based on an example graphic layout |
US10068179B2 (en) * | 2015-07-29 | 2018-09-04 | Adobe Systems Incorporated | Positioning text in digital designs based on an underlying image |
-
2017
- 2017-04-27 US US15/499,698 patent/US10042935B1/en active Active
-
2018
- 2018-04-27 GB GB201913838A patent/GB2574969A/en not_active Withdrawn
- 2018-04-27 AU AU2018260500A patent/AU2018260500B2/en active Active
- 2018-04-27 WO PCT/IB2018/052922 patent/WO2018198080A1/en active Application Filing
- 2018-04-27 CN CN201880023477.8A patent/CN110537179B/zh active Active
- 2018-04-27 DE DE112018002208.0T patent/DE112018002208T5/de active Pending
- 2018-07-09 US US16/030,501 patent/US10726081B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040261017A1 (en) * | 2001-10-27 | 2004-12-23 | Russell Perry | Document generation |
US20070250501A1 (en) * | 2005-09-27 | 2007-10-25 | Grubb Michael L | Search result delivery engine |
US20100158412A1 (en) * | 2008-12-22 | 2010-06-24 | Microsoft Corporation | Interactively ranking image search results using color layout relevance |
US8352494B1 (en) * | 2009-12-07 | 2013-01-08 | Google Inc. | Distributed image search |
US20140026038A1 (en) * | 2012-07-18 | 2014-01-23 | Microsoft Corporation | Transforming data to create layouts |
CN105488068A (zh) * | 2014-09-19 | 2016-04-13 | 阿里巴巴集团控股有限公司 | 搜索音乐和建立索引的方法及装置、搜索结果判断方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116204091A (zh) * | 2023-05-04 | 2023-06-02 | 北京尽微致广信息技术有限公司 | 一种样式设置方法及装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
AU2018260500B2 (en) | 2022-12-08 |
GB2574969A (en) | 2019-12-25 |
DE112018002208T5 (de) | 2020-11-26 |
GB201913838D0 (en) | 2019-11-06 |
US10042935B1 (en) | 2018-08-07 |
AU2018260500A1 (en) | 2019-10-17 |
US20180329996A1 (en) | 2018-11-15 |
WO2018198080A1 (en) | 2018-11-01 |
US10726081B2 (en) | 2020-07-28 |
CN110537179B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110537179A (zh) | 匹配样式属性的系统和方法 | |
US11461348B2 (en) | Automated presentation of information using infographics | |
CN106796578B (zh) | 知识自动化系统和方法以及存储器 | |
JP2021061034A (ja) | アンケートを生成するための方法およびシステム | |
JP5550765B2 (ja) | 関連タグの作成および利用 | |
JP2022534933A (ja) | ウェブ構築システムサービスにユーザフィードバックを統合するシステム及び方法 | |
US9483740B1 (en) | Automated data classification | |
US10489489B2 (en) | Automatically classifying and presenting digital fonts | |
US11514124B2 (en) | Personalizing a search query using social media | |
US20200264851A1 (en) | Systems and methods for organizing, classifying, and discovering automatically generated computer software | |
US20180247032A1 (en) | Dynamic network construction | |
US20200133641A1 (en) | Machine learning models for customization of a graphical user interface | |
CN112417133A (zh) | 排序模型的训练方法和装置 | |
AU2020301722B2 (en) | Systems and methods of generating a design based on a user search query | |
Coffey | Building Business Websites with Squarespace 7: Master the Squarespace platform to build professional websites that boost your businesses | |
Sun | Kibitz: a framework for creating recommender systems | |
Leone et al. | The use of tag clouds to support the discovery and inspection of information services |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |