CN112597695B - 一种基于感知特征聚类的计算机辅助设计方法及系统 - Google Patents
一种基于感知特征聚类的计算机辅助设计方法及系统 Download PDFInfo
- Publication number
- CN112597695B CN112597695B CN202011410140.8A CN202011410140A CN112597695B CN 112597695 B CN112597695 B CN 112597695B CN 202011410140 A CN202011410140 A CN 202011410140A CN 112597695 B CN112597695 B CN 112597695B
- Authority
- CN
- China
- Prior art keywords
- design
- design scheme
- scheme
- cluster
- perception
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于感知特征聚类的计算机辅助设计方法及系统,属于设计图形处理的计算机技术领域。该方法包括:(1)接收当前设计方案的图像与主题标签,获取当前设计方案的多个感知维度的评价结果;(2)显示图像、感知维度的评价结果及筛选限制条件设置界面;(3)基于对筛选限制条件的设置,从数据库中筛选出与设计方案的主题标签同类的设计方案,作为待分类设计方案群组;(4)基于聚类算法对待分类设计方案群组进行聚类分析,获取经聚类分析之后的所有设计方案簇;(5)按照欧式距离在显示界面上,显示设计方案簇与当前设计方案。该辅助设计方案能有效地辅助设计师对当前设计方案进行优化,可广泛用于平面广告等的设计领域中。
Description
技术领域
本发明涉及计算机辅助设计技术与图形处理技术相结合的领域,具体地说,涉及一种基于感知特征聚类的计算机辅助设计方法及系统。
背景技术
在平面设计中,设计方案的感知特征,即设计方案给人所带来的主观感受,其由多个感知维度构成,是影响设计方案质量的重要因素之一;对于构成感知特征的感知维度,通常有设计给人带来的难忘程度、设计所传达的情绪、设计的美感、设计所传达信息的顺序等,不同维度的感知特征可基于设计方案的图像处理而获取。
设计师在设计过程中,通常会借助于计算机辅助设计系统而提高设计方案的质量与设计速度,例如公开号为CN103324287A的专利文献公开了一种基于眼动和笔触数据的计算机辅助草图绘制的方法和系统,其利用图像识别方法获取在计算机进行草图绘制过程中的眼动数据与笔触数据,以判断设计师当前所处的状态是否为创意思考状态,以判断出设计师下一注视点位置,而通过激活该位置以呈现图像刺激源,而辅助设计师进行草图绘制。再者有公开号为CN109783749A的专利文献公开了一种设计素材智能推荐方法、装置及终端设备,其通过获取设计方案的主题情感和素材标签,以基于所获取的主题情感与素材标签,而从素材数据库中帅选出与它们匹配的素材,并依据素材标签的参数项大小排列后进行推荐。
虽然基于当前计算机辅助设计系统与图像处理技术,能够获取设计方案的某一感知维度,并基于该感知维度而对相似设计方案进行推荐,以作为设计师对设计方案进行优化的参考,但是本申请人在研究过程中,发现这种方式对提高设计方案的优化速度与提高设计方案的质量的促进有限,有时还会出现所推荐的设计方案与设计目标不一定存在正向关联性。
发明内容
本发明的主要目的是提供一种基于感知特征聚类的计算机辅助设计方法,以更好地能辅助设计师对设计方案进行优化设计;
本发明的另一目的是提供一种基于感知特征聚类的计算机辅助设计系统,以更好地能辅助设计师对设计方案进行优化设计。
为了实现上述主要目的,本发明提供的计算机辅助设计方法基于感知特征聚类,该计算机辅助设计方法包括以下步骤:
接收步骤,接收当前设计方案的图像与主题标签,并基于图像获取当前设计方案的多个感知维度的评价结果,以组成感知特征;
设置步骤,显示图像、多个感知维度的评价结果及筛选限制条件设置界面;在筛选限制条件设置界面中,至少能对待筛选设计方案的感知特征中的至少一个感知维度的选择条件进行设置;
筛选步骤,基于对筛选限制条件的设置,从数据库中筛选出与设计方案的主题标签同类的设计方案,作为待分类设计方案群组;
聚类步骤,基于聚类算法对待分类设计方案群组进行聚类分析,获取经聚类分析之后的所有设计方案簇;
显示步骤,按设计方案之间的欧式距离布设所有设计方案簇在显示界面上的位置,并对每个设计方案簇的感知特征的感知维度评价进行标识;并依据设计方案之间的欧式距离,在显示界面上显示当前设计方案;欧式距离基于设计方案的感知维度评价结果进行计算。
在上述技术方案中,基于按序执行对应步骤,从而能够为设计师筛选出与当前设计方案相关的设计方案,作为其对当前设计方案进行优化的参考;具体为通过对当前设计方案的感知特征的显示,而便于设计师对感知维度的限制条件进行更为直观的设置;与现有技术方案中排布显示参考设计方案相比,通常为基于单个感知维度的排序进行显示,本技术方案能够对包含多个感知维度的感知特征进行考虑,从而使筛选结果更加贴近人感知,因为设计方案的感知特征由多个维度共同影响,即能更好地获取与当前设计方案具有一定关联性的设计方案;本申请基于聚类方法,可以对大量涉及方案进行处理,以能更好地向设计师显示不同设计方案簇中感知维度的变化趋势,从而能够更好辅助其对现有设计方案的优化;且从设计方案的多维感知特征出发为设计师推荐多个设计方案簇,并以一定形式支持设计师分析当前设计方案在感知特征的相似性与差异性,辅助设计师分析归纳多设计方案在感知特征的趋势,从而帮助设计师进行设计方案的改进与优化。即上述技术方案能便于设计师结合设计目标与当前方案的进度,从所收集的设计方案中筛选大量符合设计目标的设计方案作为参考,以分析这些设计方案的感知特征趋势,而作为设计方案优化的依据。
具体的方案为在显示步骤中,以每个设计方案簇中的簇核心设计方案表征该设计方案簇,按照簇核心设计方案之间的欧式距离布设所有设计方案簇在显示界面上的位置,并以簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据当前设计方案与簇核心设计方案之间的欧式距离,在显示界面上显示当前设计方案。该技术方案能简化显示步骤的计算量。
具体的方案为在显示步骤中,以点标识每个设计方案在显示界面上的位置;利用簇核心设计方案的缩略图标识其所在设计方案簇,并以该簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据当前设计方案与簇核心设计方案之间的欧式距离,在显示界面上显示当前设计方案。该技术方案能简化显示步骤中的计算量;同时能使显示界面更加简洁,且尽量减少显示信息的压缩程度。
优先的方案为在显示界面上,以缩略图显示所显示的设计方案。该技术方案能更直观地向设计师显示处理结果。
优先的方案为感知维度的评价结果包括评分评价或等级评价。
优先的方案为筛选限制条件的设置还包括设计方案推荐数量的设置,且在筛选步骤中,并按照与当前设计方案相似度较高者而构成待分类设计方案群组。该技术方案能有效地筛除与当前设计方案相关度较低的设计方案。
优先的方案为在显示界面上,不同设计方案簇以不同颜色进行显示。该技术方案能向设计师显示更为直观的处理结果。
优先的方案为在显示界面上,表征设计方案的区域被触发时,会显示该区域所表征设计方案的图像与感知维度评价结果。该技术方案在显示整体方案时,比较简洁;而在设计师需要获取具体设计方案的信息时,能够进行更比较直观的显示对应结果。
优选的方案为聚类步骤包括以下步骤:基于DBSCAN算法对图像数据集D进行聚类分析,其中,图像数据集D={x0,x1,x2,…xn},且元素xj=[s1,s2,s3,…,si],xj表示所筛选出的待分类设计方案群组中第j个设计方案的所有感知维度的评价结果所组成的数组,每个设计方案具有i个感知维度。
优选的方案为在显示界面内,将设计方案簇与当前设计方案显示在二位平面上。该技术方案使显示结果更加直观。
进一步的方案为多个感知维度的数量为三个以上;在显示步骤中,基于PCA算法对数组xj=[s1,s2,s3,…,si]进行降维处理,以获取用于表征每个设计方案的感知维度评价结果的二维数组,在以二维数组中的两个元素值构成该设计方案在平面二位坐标系内的坐标值;xj表示所筛选出的待分类设计方案群组中第j个设计方案的所有感知维度的评价结果所组成的数组,每个设计方案具有i个感知维度。该技术方案使能利用多个感知维度对设计方案进行表征,且能在二维显示界面上显示处理结果,从而能使设计方案更加贴近人的感知。
优选的方案为感知维度包括设计的视觉焦点区域;在显示设计方案的图像时,根据显示设置而在该图像上以热力图显示视觉焦点区域,并标识视觉焦点区域占比。该技术方案能更形象地显示设计方案的图片。
优选的方案为感知特征由设计的难忘程度、设计的美感、设计传递的情绪及设计的视觉焦点区域;基于AMNet算法获取图像的可记忆性评价结果,作为设计的难忘程度的预测结果;基于NIMA算法获取图像的可记忆性评价结果,作为设计的美感的预测结果;基于Deepsentibank算法从图像中获取设计传递的正负情绪;以该图像的视觉重心数据,作为设计的视觉焦点区域。
优选的方案为在点击显示界面上的当前设计方案所在区域及一个以上设计方案簇所在区域时,显示当前设计方案与被点击的设计方案簇的簇核心设计方案之间的欧式距离,并以雷达图或列表形式显示与不同簇核心设计方案之间不同感知维度的评价结果之差。该技术方案能便于设计人员根据需要选出当前设计方案需要在那些方面进行加强,且可以利用那些设计方案簇的共同设计要素进行设计。
为了实现上述另一目的,本发明提供的计算机辅助设计系统包括处理器与存储器,存储器存储有计算机程序,该计算机程序被处理器执行时,能实现上述任一技术方案所描述的计算机辅助设计方法的步骤。
附图说明
图1为本发明实施例中计算机辅助设计方法的工作流程图;
图2为本发明实施例中计算机辅助设计系统的电路原理结构框图;
图3为基于本发明实施例中计算机辅助设计方法的显示界面布局示意图;
图4为图3所示显示界面布局示意图的布局分块区域示意图;
图5为本发明实施例中,在设置步骤中对当前设计方案进行显示的示意图,且未显示显示视觉焦点区域;
图6为本发明实施例中,在设置步骤中对当前设计方案进行显示的示意图,且显示了显示视觉焦点区域;
图7为本发明实施例中,设置步骤中的筛选限制条件设置界面的示意图;
图8为图3所示示意图中典型参考方案区域局部放大图;
图9为本发明实施例中,显示步骤中的显示界面示意图,也为图3所示示意图中感知特征趋势区域局部放大图;
图10为图3所示示意图中方案簇信息区域局部放大图,其为显示被点击的设计方案簇的方案簇信息。
具体实施方式
以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1,本发明计算机辅助设计方法包括接收步骤S1、设置步骤S2、筛选步骤S3、聚类步骤S4及显示步骤S5,本发明的计算机辅助设计方法可用于设计平面广告、海报等设计方案,具体为以设计要素设计出作为设计方案的载体图片,即整个处理过程为涉及图像的处理,其中设计要素包括文字、图像等;在本实施中,以设计出如图3至图10中所显示的汽车平面海报为例,对本发明计算机辅助设计方法进行示例性说明,具体过程如下:
接收步骤S1,接收当前设计方案的图像与主题标签,并基于该图像获取当前设计方案的多个感知维度的评价结果,以组成感知特征。
在设计过程中,设计师会根据设计目的与要求而大致构思出设计方案初稿,并在后续设计过程中,对设计方案初稿、设计方案第一修改稿等当前设计方案进行优化迭代,以获取最终符合要求的设计方案,“当前设计方案”是指当前需要进行优化处理的版本。
在本实施例中,采用由多个感知维度组成的感知特征对当前设计方案进行评价表征,这是因为在设计方案中,多个感知维度共同影响设计方案带来的主观感受,设计师在设计过程中需要同时关注这些感知维度。而对于一个设计方案,其感知维度通常包括该设计给人所带来的难忘程度、设计所传达的正负情绪、设计的美感、设计所传达信息的顺序、视觉焦点区域等;对于不同设计目的,根据需要选择不同的感知维度构建感知特征,其中,“感知特征”被配置为由多个感知维度组成,具体为两个以上;在本实施例中,感知特征具体由设计的难忘程度、设计的美感、设计传递的情绪及设计的视觉焦点区域四个感知维度组成。
如图3及图4所示为基于本发明计算机辅助设计方法辅助平面海报设计的显示界面,在该显示界面中,总共分为上下两行,每行三列,总共五个显示区域,具体为上传方案显示区域A、典型参考方案显示区域B、筛选限制条件设置界面C、感知特征区域显示区域D及方案簇信息显示区域E,剩余一个空余区域根据需要对相关内容进行显示。
在该步骤中,基于图像处理方法从所接收的图像中获取对应感知维度的评价结果;具体地:(1)基于AMNet算法获取所接收图像的可记忆性评价结果,作为设计的难忘程度的预测结果,具体以评分形式进行表征;(2)基于NIMA算法获取所接收图像的可记忆性评价结果,作为设计的美感的预测结果,具体以评分方式进行表征;(3)基于Deepsentibank算法从所接收的图像中获取设计传递的正负情绪,具体以评分形式进行表征;(4)以所接收图像的视觉重心数据,作为设计的视觉焦点区域,并以注意力热力图在该图片中进行呈现,并可计算出视觉焦点区域的占比;具体方案可参考论文《Learning Visual Importance forGraphic Designs and Data Visualizations》中所列举的方法。因此在呈现感知维度的评价结果的过程中,可以直接采用评分结果进行评价,也可以根据评分结果进行等级划分,从而以等级作为评价结果;如图4至图6所示中,当设计方案在某一感知特征维度的评价结果格式为分数时,为设计师展示分数以及分数对应的等级作为评价结果,例如难忘程度、美感及传达情绪;而当设计方案在某一感知特征维度的评价结果的格式为图像时,直接将图像呈现给设计师,例如图中的视觉焦点区域,在本实施例中,通过设置“视觉焦点区域”显示与隐藏设置按键,而对注意力热力图进行显示或隐藏,隐藏注意力热力图时的示意图如图5所示,而未隐藏时的示意图如图6所示。
通过布设在区域A处的操作按键导入设计师的当前设计方案,可以为初稿或中间优化稿。
设置步骤S2,显示图像、多个感知维度的评价结果及筛选限制条件设置界面;在筛选限制条件设置界面中,至少能对待筛选设计方案的感知特征中的至少一个感知维度的选择条件进行设置。
当在区域A处导入当前设计方案后,会对其感知特征的每个感知维度进行分析,而获取对应的评分结果或图像结构,而构成本实施例中的评价结果,从而直接在区域A处显示对应的评价结果,以给设计师一个评估参考,而便于其衡量当前设计是否符合其本意构思。
在本实施例中,“筛选限制条件设置界面”具体为推荐属性设置界面,如图7所示为该界面中的一种结构示意图,具体包括感知位图名称及与之对应的限制条件的设置区域,对于限制条件的设置可以要求其为要求其位于某一范围内,大于或小于某一阈值,即在参考设计方案的筛选过程中,筛选出对应感知维度的评价结果满足对应限制条件的设计方案,作为后续处理的对象。
在本实施例中,限制条件的设置至少包括对感知特征中的一个感知维度进行设置,具体为要求对四个感知维度进行设置。在显示“筛选限制条件设置界面”,其对四个感知维度的限制条件进行默认显示,具体参照当前设计方案的感知维度评价结果进行设置。
具体地,当感知维度的评价结果格式为分数以及分数对应的等级时,设计师通过提交推荐设计方案在该维度预期分数对应等级,以设置该感知维度的筛选限制条件;当感知维度的评价结果的格式为图像时,设计师通过选择推荐设计方案的评价结果与所述当前设计方案在该维度的评价结果的预期的相似度所在的等级,以设置该感知维度的限制条件,例如在本实施例中,对视觉焦点区域采用视觉焦点区域的占比进行设置。
此外,筛选限制条件的设置还包括设计方案推荐数量的设置;也可以对设计方案的类别、颜色等进行设置,其中,推荐设计方案的类别包括平面海报、产品设计、摄影图像、抽象图案、艺术画作等。
筛选步骤S3,基于对筛选限制条件的设置,从数据库中筛选出与设计方案的主题标签同类的设计方案,作为待分类设计方案群组。
在本实施例中,“数据库”被配置为包含多类设计方案,可以根据网上发布的设计方案进行自动收集,也可以由专业人员进行人工收集及标注,从而使每个设计方案包含设计方案图像、设计方案的感知特征评价结果及设计方案的类别标签等,可以根据实际需要添加相应的参数。数据库中感知特征的维度与步骤一中描述的感知特征的维度相同,设计方案的类别标签例如为“车辆”、“美妆”、“服装”、“科技”、“甜美”、“高贵”等。在该“数据库”中,可使所有设计方案的图像具有统一的规格设置,例如尺寸、像素等图像参数的设置。
在本实施例中主题标签为“汽车”,推荐方案的类别为“平面海报”,而四个感知维度的设置如图7所示。
根据前述步骤中针对筛选限制条件的设置,从数据库中筛选出满足条件的设计方案,构建出后续处理的待分类设计方案群组。对于不同数据库,所筛选出的设计方案数量不同,如果筛选出的设计方案的数量过多,会增加后续处理步骤的工作量;通常的解决方案时设置额外的限制条件进行筛选,例如对所筛选出的设计方案的数量进行限制,并在筛选步骤中,按照与当前设计方案相似度较高者而构成待分类设计方案群组,即按照与当前设计方案的相似度从高到低进行排序,选取靠前的预定数量设计方案构成待分类设计方案群组;对于方案的相似性,可以基于两个设计方案的图像的色彩相似度或结构相似度,以判断二者之间的相似性,具体可采用可使用http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html的方法,或结构相似性(SSIM)实现该目的。
筛选出的第j个设计方案的四个感知维度的评价结果构成一个四维向量xj=[s1,s2,s3,…,si],即xj表示所筛选出的待分类设计方案群组中第j个设计方案的所有感知维度的评价结果所组成的数组,每个设计方案具有i个感知维;所有待分类设计方案群组组成图像数据集D={x0,x1,x2,…xn}。在思维向量中,对于视觉焦点区域的评分结果采用视觉焦点区域占比进行表征。在本实施例中,i=4,且s1表示难忘程度的分数;s2表示美感分数;s3表示正负情绪的分数;s4表示视觉焦点区域占原始图片比例的分数。
聚类步骤S4,基于聚类算法对待分类设计方案群组进行聚类分析,获取经聚类分析之后的所有设计方案簇。
在该步骤中,基于DBSCAN算法对图像数据集D进行聚类分析,具体过程如下:
1)根据想要聚类的簇的个数定义邻域参数(∈,MinPts);
3)对于每张图像xi,i=0,1,2,3…m,按如下步骤找出所有核心对象:通过距离度量方式,即欧式距离,找到图像xi的∈-领域子图像集N∈(xi);若子图像集样本数满足|N∈(xi)|≥MinPts,则将图像xi加入核心对象样本集合Ω=Ω∪{xi};
5)在核心对象集合Ω中,随机选择一个核心对象o,初始化当前簇核心对象队列Ωcur={o},更新聚类簇数k=k+1,初始化当前簇样本集合Ck={o},更新未访问样本集合Γ=Γ-{o};
7)在当前簇核心对象队列Ωcur中取出一个核心对象o′,通过邻域距离阈值∈找出所有∈-领域子图像集Nσ(o′),令Δ=N∈(o′)∩Γ,更新当前簇样本集合Ck=Ck∪Δ,更新未访问样本集合Γ=Γ-Δ,更新Ωcur=Ωcur∪(Δ∩Ω)-o′,转入步骤6)。
最终,将图像数据集D的聚类为k个设计方案簇,不同设计方案簇之间具有不同的感知特征;每个设计方案簇的核心对象即表示最能代表该设计方案簇感知特征的设计方案,即核心设计方案。在获取的每个设计方案簇中,存在位于核心区域内的簇核心设计方案,该核心区域的范围根据实际需要进行设置,对于每个设计方案簇,通常具有一个以上的簇核心设计方案,即使用DBSCAN聚类算法的步骤中可获得每个簇的核心对象。
显示步骤S5,按设计方案之间的欧式距离布设所有设计方案簇在显示界面上的位置,并对每个设计方案簇的感知特征的感知维度评价进行标识;并依据设计方案之间的欧式距离,在显示界面上显示当前设计方案;欧式距离基于设计方案的感知维度评价结果进行计算。
在该显示步骤中,在显示界面上,如图9所示,为在二维显示界面上以缩略图显示所显示的设计方案,即对当前设计方案以及其他选出作为参考的设计方案均以缩略图的方式进行显示。
为了便于设计师区分不同设计方案簇的边界区域,对于不同设计方案簇以不同颜色进行显示,对于不同设计方案簇的背景颜色可以采用默认颜色进行标识,也可采用所选用的颜色进行显示,例如如图9所示。
对于设计方案簇的区域的边界,可以通过以下方案进行确认:参考该设计方案簇中位置处于平面中最左、最右、最上最下的图像的坐标,确定设计方案簇的区域;也可以通过以下方法确定特定设计方案簇的区域的边界:可以在聚类结果的基础上,结合多项式特征进行图像间的逻辑回归,从而拟合各个聚类间的决策边界,确定各个设计方案簇的区域。算法可参考https://www.devtalking.com/articles/machine-learning-11/或https://www.jianshu.com/p/4d27496d0839;在某一设计方案簇区域内,处于该区域中心的方案为上一步提及的核心方案,设计方案的位置越靠近区域中心,则表示该设计方案越能体现该设计方案簇的感知特征。
在本实施例中,以二维界面对处理结果进行显示,但是其感知维度为四,因此需要使用降维算法,将上述多维向量转化为二维向量,以决定不同设计方案的缩略图在二维显示空间上的具体位置,即利用降维之后的二维向量的两个元素表征坐标值,具体处理步骤为基于PCA算法对数组xj=[s1,s2,s3,…,si]进行降维处理,以获取用于表征每个设计方案的感知维度评价结果的二维数组,在以二维数组中的两个元素值构成该设计方案在平面二位坐标系内的坐标值。
由于本实施例中的感知维度包括设计的视觉焦点区域;在显示设计方案的图像时,根据显示设置而在该图像上以热力图显示视觉焦点区域,并标识视觉焦点区域占比,从而便于设计师能迅速地抓住设计要点。
在图像显示过程中,对于预测结果为热力图的视觉焦点区域维度,呈现热力图本身,以及呈现热力图中视觉焦点区域占原始图片比例的分数,以及分数对应等级。可以通过如下方法确定用户的视觉焦点区域:计算热力图像素点RGB值,定义RGB值在RGB(200,200,100)~RGB(150,60,60)的像素点属于用户的视觉焦点区域,获取的结果如图4所示。
在点击显示界面上的当前设计方案所在区域及一个以上设计方案簇所在区域时,显示当前设计方案与被点击的设计方案簇的簇核心设计方案之间的欧式距离,并以雷达图或列表形式显示与不同簇核心设计方案之间不同感知维度的评价结果之差。
在该显示步骤中,为了简化其计算量,可以按照下述步骤进行显示,具体为以每个设计方案簇中的簇核心设计方案表征该设计方案簇,按照簇核心设计方案之间的欧式距离布设所有设计方案簇在显示界面上的位置,并以簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据当前设计方案与簇核心设计方案之间的欧式距离,在显示界面上显示当前设计方案。
或者,按照下述步骤进行显示,具体为以点标识每个设计方案在显示界面上的位置;利用簇核心设计方案的缩略图标识其所在设计方案簇,并以该簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据当前设计方案与簇核心设计方案之间的欧式距离,在显示界面上显示当前设计方案。
如图9及图10所示,当在显示界面上,表征设计方案簇的区域被触发时,会显示该区域所表征该设计方案簇的相关信息,包括各个感知维度的评分结果范围,从而供设计人员参考。
此外,如图8所示,本实施例还在区域B处显示典型设计方案的缩略图与感知维度数据,其具体采用当前所点击设计方案簇的簇核心设计方案或者所有设计方案簇的簇核心设计方案,如果所需显示的典型设计方案的多余4个时,通过移动横条进行拉动而显示不同位置处的设计方案,其排序顺序可以根据其与当前设计方案的相似度进行排序,也可以根据二者这边的欧式距离进行排序。
如图2所示,本发明计算机辅助设计系统1包括处理器10与存储器11,在存储器11内存储有计算机程序,该计算机程序被处理器10执行时,能实现上述计算机辅助设计方法的各个步骤,具体过程参照上述技术方案,在此不再赘述。
在上述实施例中,对于设计方案簇的信息,还可以包括:(1)该设计方案簇中方案的数量;(2)每个设计方案簇中的有设计方案在各感知维度的分数区间,以及分数所处的等级区间;(3)该设计方案簇中所有设计方案的颜色信息,颜色信息可以包括设计方案簇的主色调情况、色彩多样性情况等相关信息,具体包括:
(3.1)可以通过以下方法获得设计方案簇中图像的主色调情况:1)对主色调进行分类,例如红色调、橙色调、黄色调、绿色调、蓝色调、紫色调、褐色调、白色调、黑色调等,并设定每类色调的色彩RGB值区间;2)可以使用KMeans色彩聚类方法,获得单张图像的主色,根据主色RGB值所在的主色调色彩RGB值区间,确定该张图片的主色调;3)获得该设计方案簇中所有图像的主色调后,为设计师呈现该设计方案簇中设计方案主色调的比例。
(3.2)可以通过以下方法获得设计方案簇中图像的色彩多样性(colorfulness)情况。
(3.3)可以使用论文“Hasler D,Suesstrunk S E.Measuring colorfulness innatural images[C]//Human vision and electronic imaging VIII.InternationalSociety for Optics and Photonics,2003,5007:87-96.“中的方法计算单张图片的色彩多样性,获得的结果的形式为色彩多样性等级。
(3.4)现该设计方案簇中图像多样性等级的比例。
在上述实施例中,对于设计方案簇中所有设计方案的布局信息,还可以包括:可以通过以下方法获得设计方案簇中图像的布局信息:可以获得单张图片的视觉焦点区域。视觉焦点区域反映了设计方案重要信息的呈现区域,可供设计师参考重要信息呈现的位置。因此,将设计方案簇中所有图片的视觉焦点区域的情况呈现在一张图片中,而可以反映该设计方案簇的布局信息,例如呈现在图3的图片A中。图片A与设计方案簇中图片的尺寸相同,即像素点数量相同,在初始时图片A的每个像素点的RGB值为RGB(0,0,0);对于设计方案簇中的特定图片,当其某一个像素点的位置属于视觉焦点区域时,则将图片A与其位置相同的像素点的RGB值进行变化,具体为R增加5,G增加5,B增加5;通过上述方法将设计方案簇中的所有视觉焦点区域信息反映到图片A中,图片A即可表示该设计方案簇中重要信息的呈现区域,具体由于RGB(0,0,0)为黑色,RGB(255,255,255)为白色,设计师观察图片A像素点越白的区域,即代表该区域越可能呈现重要的信息。
在上述实施例中,对于设计方案簇具备的感知特征适用的设计主题,可以通过以下方法获得:(1)首先可以根据数据库中设计方案的内容、设计方案的风格,以及其它设计过程中需要参考的要素,确定若干设计主题标签;(2)可以通过众包或者其它方式,使数据库中每个设计方案具有多个设计主题标签。例如一个设计方案拥有“车辆”、“科技”、“热情”等主题标签;(3)将该设计方案簇中所有设计方案的主题标签进行累计,为设计师提供出现频率为前3的主题标签,作为该设计方案簇具备的感知特征适用的设计主题。
在上述实施例中,对于设计方案簇具备的感知特征适用的用户人群,可以通过以下方法获得:(1)可以通过众包或者其它方式,使数据库中每张设计方案获得用户人群的信息标签。例如,一个设计方案获得”白领“、”男性“、”商务人士“的用户人群的信息标签;(2)可以通过将该方案簇中所有设计方案的用户人群信息标签进行累计,为设计师提供出现频率为前3的用户人群标签,作为该设计方案簇具备的感知特征适用的用户人群。
在上述实施例中,点选某一设计方案簇,可以获得设计方案簇的详细信息,可以包括:该设计方案的感知特征信息、颜色信息、布局信息、适用的设计主题、适用的用户人群的信息。
在上述实施例中,点选两个及以上的设计方案簇,可以对这两个设计方案簇进行比较,可以获得如下信息,具体为:(1)获得这两个设计方案簇在感知特征的差异程度,差异程度可以通过两个设计方案簇之间的距离反映。两个设计方案簇之间的距离,可以通过计算两个设计方案簇核心方案的坐标之间的欧几里得距离获得;(2)可以比较每两个设计方案簇之间的详细信息。
在上述实施例中,通过点选某一特定设计方案与特定设计方案簇,可以获得所选的设计方案与设计方案簇在感知特征的差异程度,差异程度可以通过设计方案与设计方案簇之间的距离表示。设计方案与设计方案簇的距离可以通过计算特定设计方案与设计方案簇中与特定设计方案最接近的设计方案的坐标之间的欧几里得距离获得。若选择的设计方案属于选择的设计方案簇,则说明所选择的设计方案符合所选择的设计方案簇中呈现的感知特征。
在上述实施例中,统还可以呈现所选设计方案簇中的多张典型方案供设计师进行详细参考。设计方案簇中的典型方案可以通过以下方法确定:该设计方案簇中的核心方案,以及与核心方案欧几里得距离最近的若干张设计方案为典型方案。
在上述实施例中,可以通过比较改进后的设计方案与原设计方案与各设计方案簇的距离,了解改进后的设计方案的感知特征是否更加接近目标设计方案簇所呈现的感知特征,从而判断设计方案的改进是否有效;具体为:(1)若改进后的设计方案在目标设计方案簇所在的区域内,则表示改进后的设计方案已经具备了目标设计方案簇所具备的感知特征,设计师进行设计方案的改进是有效的;(2)若改进后的设计方案在目标设计方案簇所在的区域外,与步骤1中的设计方案相比,与目标设计方案簇距离更近了,则表明相对于设计师的原始设计方案,改进后的设计方案在感知特征上更加接近目标设计方案簇所具备的感知特征,设计师进行设计方案的改进是有效的;(3)若改进后的设计方案在目标设计方案簇所在的区域外,与步骤1中的设计方案相比,与目标设计方案簇距离不变或变远了,则表明改进后的设计方案在针对感知特征的改进至少是无效的。
通过比较改进前、改进后的设计方案与各设计方案簇之间的距离,设计师可以规划下一步设计过程。
在上述技术方案中,依据设计师所设计出的当前设计方案,从设计方案的感知特征出发,为设计师推荐及展示多个设计方案以供参考,支持设计师比较设计方案之间的差异,以及发现多个设计方案在感知特征的趋势,作为后续设计方案改进的依据,从而实现计算机辅助设计的目标。依据设计师当前设计方案,从设计方案的感知特征出发,为设计师推荐及展示多个设计方案以供参考,支持设计师比较设计方案之间的差异,以及发现多个设计方案在感知特征的趋势,作为后续设计方案改进的依据,从而实现计算机辅助设计的目标。
Claims (8)
1.一种基于感知特征聚类的计算机辅助设计方法,其特征在于,所述计算机辅助设计方法包括以下步骤:
接收步骤,接收当前设计方案的图像与主题标签,并基于所述图像获取所述当前设计方案的多个感知维度的评价结果,以组成所述感知特征;所述感知特征由设计的难忘程度、设计的美感、设计传递的情绪及设计的视觉焦点区域;基于AMNet算法获取所述图像的可记忆性评价结果,作为所述设计的难忘程度的预测结果;基于NIMA算法获取所述图像的可记忆性评价结果,作为所述设计的美感的预测结果;基于Deepsentibank算法从所述图像中获取所述设计传递的正负情绪;以所述图像的视觉重心数据,作为所述设计的视觉焦点区域;
设置步骤,显示所述图像、所述多个感知维度的评价结果及筛选限制条件设置界面;在所述筛选限制条件设置界面中,至少能对待筛选设计方案的感知特征中的至少一个感知维度的选择条件进行设置;
筛选步骤,基于对筛选限制条件的设置,从数据库中筛选出与所述设计方案的主题标签同类的设计方案,作为待分类设计方案群组;
聚类步骤,基于聚类算法对所述待分类设计方案群组进行聚类分析,获取经聚类分析之后的所有设计方案簇;
显示步骤,按设计方案之间的欧式距离布设所述所有设计方案簇在显示界面上的位置,并对每个设计方案簇的感知特征的感知维度评价进行标识;并依据设计方案之间的欧式距离,在所述显示界面上显示所述当前设计方案;所述欧式距离基于设计方案的感知维度评价结果进行计算;
在所述显示步骤中:
以每个设计方案簇中的簇核心设计方案表征该设计方案簇,按照簇核心设计方案之间的欧式距离布设所述所有设计方案簇在显示界面上的位置,并以簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据所述当前设计方案与所述簇核心设计方案之间的欧式距离,在所述显示界面上显示所述当前设计方案;或,
以点标识每个设计方案在所述显示界面上的位置;利用簇核心设计方案的缩略图标识其所在设计方案簇,并以该簇核心设计方案的感知维度评价结果作为其所在设计方案簇的感知维度评价;依据所述当前设计方案与所述簇核心设计方案之间的欧式距离,在所述显示界面上显示所述当前设计方案。
2.根据权利要求1所述的计算机辅助设计方法,其特征在于:
在所述显示界面上,以缩略图显示所显示的设计方案;
所述感知维度的评价结果包括评分评价或等级评价;
筛选限制条件的设置还包括设计方案推荐数量的设置,且在所述筛选步骤中,并按照与所述当前设计方案相似度较高者而构成所述待分类设计方案群组;
在所述显示界面上,不同设计方案簇以不同颜色进行显示;
在所述显示界面上,表征设计方案的区域被触发时,会显示该区域所表征设计方案的图像与感知维度评价结果。
3.根据权利要求1所述的计算机辅助设计方法,其特征在于,所述聚类步骤包括以下步骤:
基于DBSCAN算法对图像数据集D进行聚类分析,其中,图像数据集D={x0,x1,x2,…xn},且元素xj=[s1,s2,s3,…,si],xj表示所筛选出的所述待分类设计方案群组中第j个设计方案的所有感知维度的评价结果所组成的数组,每个设计方案具有i个感知维度。
4.根据权利要求1所述的计算机辅助设计方法,其特征在于:
在所述显示界面内,将所述设计方案簇与所述当前设计方案显示在二位平面上。
5.根据权利要求4所述的计算机辅助设计方法,其特征在于:
所述多个感知维度的数量为三个以上;
在所述显示步骤中,基于PCA算法对数组xj=[s1,s2,s3,…,si]进行降维处理,以获取用于表征每个设计方案的感知维度评价结果的二维数组,在以所述二维数组中的两个元素值构成该设计方案在平面二位坐标系内的坐标值;xj表示所筛选出的所述待分类设计方案群组中第j个设计方案的所有感知维度的评价结果所组成的数组,每个设计方案具有i个感知维度。
6.根据权利要求1至5任一项权利要求所述的计算机辅助设计方法,其特征在于:
所述感知维度包括设计的视觉焦点区域;在显示设计方案的图像时,根据显示设置而在该图像上以热力图显示视觉焦点区域,并标识视觉焦点区域占比。
7.根据权利要求1至5任一项权利要求所述的计算机辅助设计方法,其特征在于:
在点击所述显示界面上的所述当前设计方案所在区域及一个以上设计方案簇所在区域时,显示所述当前设计方案与被点击的设计方案簇的簇核心设计方案之间的欧式距离,并以雷达图或列表形式显示与不同簇核心设计方案之间不同感知维度的评价结果之差。
8.一种计算机辅助设计系统,包括处理器与存储器,所述存储器存储有计算机程序,其特征在于:
所述计算机程序被所述处理器执行时,能实现权利要求1至7任一项权利要求所述的计算机辅助设计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410140.8A CN112597695B (zh) | 2020-12-03 | 2020-12-03 | 一种基于感知特征聚类的计算机辅助设计方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410140.8A CN112597695B (zh) | 2020-12-03 | 2020-12-03 | 一种基于感知特征聚类的计算机辅助设计方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597695A CN112597695A (zh) | 2021-04-02 |
CN112597695B true CN112597695B (zh) | 2022-05-03 |
Family
ID=75188281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410140.8A Active CN112597695B (zh) | 2020-12-03 | 2020-12-03 | 一种基于感知特征聚类的计算机辅助设计方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597695B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590951A (zh) * | 2021-07-29 | 2021-11-02 | 上海德衡数据科技有限公司 | 一种感知数据处理方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156471A (zh) * | 2014-08-22 | 2014-11-19 | 南京锐角信息科技有限公司 | 一种在线自动合成装饰画的推荐处理方法及系统 |
US9792371B1 (en) * | 2013-06-19 | 2017-10-17 | Google Inc. | Automatic synthesis and evaluation of content |
CN108090110A (zh) * | 2016-11-21 | 2018-05-29 | 奥多比公司 | 推荐软件动作以创建图像和推荐图像以示范软件动作的效果 |
CN108108744A (zh) * | 2016-11-25 | 2018-06-01 | 同方威视技术股份有限公司 | 用于辐射图像辅助分析的方法及其系统 |
CN108108450A (zh) * | 2017-12-27 | 2018-06-01 | 珠海市君天电子科技有限公司 | 图像处理的方法及相关设备 |
CN109471930A (zh) * | 2018-11-08 | 2019-03-15 | 浙江大学城市学院 | 一种面向用户情感的情绪板界面设计方法 |
CN109783749A (zh) * | 2018-12-10 | 2019-05-21 | 深圳变设龙信息科技有限公司 | 一种设计素材智能推荐方法、装置及终端设备 |
CN110889883A (zh) * | 2019-11-29 | 2020-03-17 | 焦点科技股份有限公司 | 一种自适应的智能横幅广告图片生成方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8781175B2 (en) * | 2007-05-07 | 2014-07-15 | The Penn State Research Foundation | On-site composition and aesthetics feedback through exemplars for photographers |
US20130085893A1 (en) * | 2011-09-30 | 2013-04-04 | Ebay Inc. | Acquisition and use of query images with image feature data |
US10198635B2 (en) * | 2016-01-19 | 2019-02-05 | Fuji Xerox Co., Ltd. | Systems and methods for associating an image with a business venue by using visually-relevant and business-aware semantics |
US10437878B2 (en) * | 2016-12-28 | 2019-10-08 | Shutterstock, Inc. | Identification of a salient portion of an image |
US10817749B2 (en) * | 2018-01-18 | 2020-10-27 | Accenture Global Solutions Limited | Dynamically identifying object attributes via image analysis |
US10922449B2 (en) * | 2018-11-21 | 2021-02-16 | Best Apps, Llc | Computer aided systems and methods for creating custom products |
US10957108B2 (en) * | 2019-04-15 | 2021-03-23 | Shutterstock, Inc. | Augmented reality image retrieval systems and methods |
-
2020
- 2020-12-03 CN CN202011410140.8A patent/CN112597695B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9792371B1 (en) * | 2013-06-19 | 2017-10-17 | Google Inc. | Automatic synthesis and evaluation of content |
CN104156471A (zh) * | 2014-08-22 | 2014-11-19 | 南京锐角信息科技有限公司 | 一种在线自动合成装饰画的推荐处理方法及系统 |
CN108090110A (zh) * | 2016-11-21 | 2018-05-29 | 奥多比公司 | 推荐软件动作以创建图像和推荐图像以示范软件动作的效果 |
CN108108744A (zh) * | 2016-11-25 | 2018-06-01 | 同方威视技术股份有限公司 | 用于辐射图像辅助分析的方法及其系统 |
CN108108450A (zh) * | 2017-12-27 | 2018-06-01 | 珠海市君天电子科技有限公司 | 图像处理的方法及相关设备 |
CN109471930A (zh) * | 2018-11-08 | 2019-03-15 | 浙江大学城市学院 | 一种面向用户情感的情绪板界面设计方法 |
CN109783749A (zh) * | 2018-12-10 | 2019-05-21 | 深圳变设龙信息科技有限公司 | 一种设计素材智能推荐方法、装置及终端设备 |
CN110889883A (zh) * | 2019-11-29 | 2020-03-17 | 焦点科技股份有限公司 | 一种自适应的智能横幅广告图片生成方法及系统 |
Non-Patent Citations (2)
Title |
---|
"基于视觉和情感特征模型的图像概率检索";庄毅;《小型微型计算机系统》;20111130;第32卷(第11期);第2331-2336页 * |
"针对特定风格的平面广告图像自动生成(英文)";尤伟涛 等;《Frontiers of Information Technology & Electronic Engineering. 2020》;20201003;第21卷(第10期);第1455-1467页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112597695A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11334922B2 (en) | 3D data labeling system over a distributed network | |
WO2012176317A1 (ja) | 画像認識システムを組込んだ関連性検索によるインタレスト・グラフ収集システム | |
US12019707B2 (en) | Systems, methods, and storage media for training a model for image evaluation | |
CN101512581A (zh) | 生成包含上下文图像的广告 | |
JP2009251850A (ja) | 類似画像検索を用いた商品推薦システム | |
JP4111198B2 (ja) | 画像検索システム、画像検索プログラムおよび記憶媒体、並びに画像検索方法 | |
WO2018189802A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Mo et al. | Color segmentation of multi-colored fabrics using self-organizing-map based clustering algorithm | |
JP4674257B2 (ja) | 画像分類装置およびその装置としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN112597695B (zh) | 一种基于感知特征聚类的计算机辅助设计方法及系统 | |
JP2011039944A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP2015022533A (ja) | 色彩デザイン評価装置、及び、色彩デザイン評価方法 | |
JPH10188023A (ja) | 画像デザイン支援装置 | |
JP2003203090A (ja) | 画像空間表示方法 | |
Solli et al. | Color harmony for image indexing | |
Bernard et al. | Multiscale visual quality assessment for cluster analysis with Self-Organizing Maps | |
CN110097070B (zh) | 一种基于人眼视觉感知的中国画特征色集获取方法 | |
JP2011043954A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
WO2023238550A1 (ja) | 画像編集装置、画像編集方法及び画像編集プログラム | |
CN112182368B (zh) | 面向女性消费者偏好的suv产品概念设计系统 | |
Hu et al. | Image recoloring of printed fabric based on the salient map and local color transfer | |
JP5818202B2 (ja) | 画像解析装置、画像解析方法、画像検索システムおよびプログラム | |
JP4807148B2 (ja) | ドキュメント印象評価装置及びドキュメント印象評価プログラム | |
JP4415378B2 (ja) | 画像合成システムおよび画像合成プログラム、並びに画像合成方法 | |
US12124535B1 (en) | Systems, methods, and storage media for training a model for image evaluation |
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 |