CN113888665B - 一种基于Puppeteer和CGAN的海报自主生成系统 - Google Patents

一种基于Puppeteer和CGAN的海报自主生成系统 Download PDF

Info

Publication number
CN113888665B
CN113888665B CN202111481017.XA CN202111481017A CN113888665B CN 113888665 B CN113888665 B CN 113888665B CN 202111481017 A CN202111481017 A CN 202111481017A CN 113888665 B CN113888665 B CN 113888665B
Authority
CN
China
Prior art keywords
picture
poster
cgan
message
server
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
Application number
CN202111481017.XA
Other languages
English (en)
Other versions
CN113888665A (zh
Inventor
胡建军
陆宇峰
沈益飞
周芸芸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Qibohina Digital Technology Co ltd
Original Assignee
Hangzhou Qibohina Digital Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Qibohina Digital Technology Co ltd filed Critical Hangzhou Qibohina Digital Technology Co ltd
Priority to CN202111481017.XA priority Critical patent/CN113888665B/zh
Publication of CN113888665A publication Critical patent/CN113888665A/zh
Application granted granted Critical
Publication of CN113888665B publication Critical patent/CN113888665B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9566—URL specific, e.g. using aliases, detecting broken or misspelled links
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/186—Templates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种基于Puppeteer和CGAN的海报自主生成系统，包括客户端、业务服务端、CGAN推理服务器，所述客户端用于和客户进行交互，接收客户指令输入和输出最终海报生成结果，所述业务服务端用于执行截图操作和渲染海报图片，所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片。该系统改变了传统的海报设计模式，提高了海报的设计效率，且该系统和已有代码解耦，无需考虑兼容和跨域，减小了对该系统二次开发和维护的成本，具有简洁高效、实用性强的特点。

Description

一种基于Puppeteer和CGAN的海报自主生成系统
技术领域
本申请属于视觉传达设计领域，具体涉及一种基于Puppeteer和CGAN的海报自主生成系统。
背景技术
海报作为视觉传达的途径之一，相比于传统的图片或者文字，能够更加生动直观的展现宣传意图，加强宣传的渲染力。
早期的海报主要依靠UI设计师手工设计，不仅对UI设计师的设计经验和专业知识具有一定要求，导致海报设计门槛较高，而且，海报设计工作存在机械单调的特点，使得UI设计师们的设计工作变得枯燥乏味，缺乏创造性。
随着web技术的发展，出现了由前端来生成一张又一张的海报图片，这样，UI设计师只需要设计一张模版图片，剩余的交给前端来完成，但还是存在许多无法解决的难点：对于远程图片，可能会由于跨域和兼容的问题，造成绘制失败；同一张模板图片可能会多次绘制，导致用户体验感差；更换海报样式需要直接修改客户端和业务服务端的代码，代码耦合度高；模板图片内容单调，且设计模板图片需要丰富的设计经验和专业的设计知识。
发明内容
针对上述海报设计时存在的难点，本发明提供了一种基于Puppeteer和CGAN的海报自主生成系统。
一种基于Puppeteer和CGAN的海报自主生成系统，由客户端、业务服务端、CGAN推理服务器组成，工作流程包括以下步骤：
步骤1，所述客户端用于和客户进行交互，以客户指令作为输入，并和所述业务服务端保持连接，进一步地，将消息a输出至所述业务服务端，具体地，包含以下子步骤：
步骤1.1，在Linux服务器上部署所述业务服务端，并配置进程数量等于Puppeteer控制的HeadlessChrome个数；
步骤1.2，所述业务服务端开启web服务，接收外部的连接请求；
步骤1.3，所述客户端接收用户指令输入，并将输入的指令编译成消息a，具体地，消息a为JSON格式，其结构为：
{"webpage":"URL","clip":{"x":0,"y":0,"width":375,"height":667},"encoding":"encoding"}
其中，webpage表示网页地址，clip表示生成海报的大小，width和height表示生成海报的宽和高，encoding表示生成海报的方式。
步骤1.4，将编译后的消息a通过连接发送给所述业务服务端。
步骤2，所述业务服务端用于执行截图操作，接收所述客户端输入的消息a，从消息a中解析出图片A，并将解析的图片A输出至所述CGAN推理服务器，具体地，包含以下子步骤：
步骤2.1，所述业务服务端接收消息a，并对消息a进行解析，具体地，解析出消息a中的网页地址；
步骤2.2，通过调用Puppeteer库来控制HeadlessChrome，打开网页地址并进行屏幕截图；
步骤2.3，将屏幕截图作为图片A，通过连接发送给所述CGAN推理服务器。
步骤3，所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片，接收所述业务服务端输出的图片A，对图片A执行相应的操作得到图片B，并将图片B输出至所述业务服务端，具体地，包含以下子步骤：
步骤3.1，收集特定风格的海报图片，按照设定比例将数据集分为训练集和测试集；
CGAN推理服务器，由生成器G和判别器D组成，生成器G和判别器D在图片生成过程中进行极大极小博弈，CGAN通过优化目标函数来学习初始图像I到真实图像J的映射，其目标函数为：
Figure GDA0003513148150000021
Figure GDA0003513148150000022
其中，
Figure GDA0003513148150000023
是判别器部分的目标函数，
Figure GDA0003513148150000024
是生成器部分的目标函数，I是初始图像，J是真实图像，G(I)是生成器生成的图像，D(I,J)是判别器。
步骤3.2，在GPU服务器上，设置最优权重值λGP＝8，选择Adam优化器，设置学习率＝0.0001，并且批处理大小设置为6，迭代次数设置50，进行CGAN模型训练；
步骤3.3，对训练好的模型，以生成的数据和真实的数据进行对比分析，并根据分析的结果对训练参数进行调优，以及更新训练的数据，直到训练的模型达到效果最优；
步骤3.4，CGAN模型训练完成后，部署在业务服务端所在的同一台Linux服务器上，并对模型进行转换来实现推理服务，具体地，接收所述业务服务端传输的图片A，作为CGAN推理模型的数据输入，进一步地，由CGAN推理模型根据学习到的生成图像到训练数据的映射，将屏幕截图转换成特定风格的海报图片模板，作为图片B返回给业务服务端。
步骤4，所述业务服务端还用于渲染海报图片，接收所述CGAN推理服务器输出的图片B，通过操作图片B得到消息b，并将得到的消息b通过连接输出至所述客户端，具体地，包含以下子步骤：
步骤4.1，所述业务服务端接收从所述CGAN推理服务器传输的图片B，具体地，包含以下子步骤：
步骤4.2，将图片B按照设定的海报结构，渲染成海报图片；
步骤4.3，通过OSS对象存储提供接口将海报图片存储到CDNOSS对象存储中，然后返回海报图片在OSS对象存储的URL地址，并将图片名称和图片地址编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"图片的CDN地址"}
在本发明提供的海报存储方式中，步骤4.3可以替换为下列步骤：
步骤4.3，将海报图片按照base64进行编码，并将图片名称和图片转成base64后的字符串编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"base64的字符串"}
步骤4.4，将消息b通过连接返回给所述客户端。
本发明提出了一种基于Puppeteer和CGAN的海报自主生成系统，与现有的技术相比，具有以下有益效果：
本发明通过由业务服务端解析客户端消息中的网页地址，调用Puppeteer进行屏幕截图，将屏幕截图作为此次海报绘制的模板，解决了同一张相同图片会多次绘制，用户体验差的问题。
本发明通过引入CGAN模型，使得CGAN推理模型能够根据学习到的初始图像到真实图像的映射，将输入图片转换成特定风格的海报模板，解决了仅仅依靠屏幕截图作为海报模板存在的色彩固定、内容单调、标签干扰等问题。
本发明通过将客户端和业务服务端进行分离，客户端负责同用户进行交互，业务服务端负责截取屏幕截图和渲染海报图片，解决了因为兼容或跨域，导致海报绘制失败，且更换海报样式需要直接修改客户端和业务服务端的代码，代码耦合度高的问题。
附图说明
图1是本发明的结构总图；
图2是本发明的CGAN模型结构图；
图3是本发明的海报结构图。
具体实施方式
为了使本发明的目的、特征能够更加的明显和易懂，下面通过实施例并结合附图对本技术方案进行详细说明。
如图1所示，一种基于Puppeteer和CGAN的海报自主生成系统，由客户端、业务服务端、CGAN推理服务器组成，工作流程包括以下步骤：
步骤1，所述客户端用于和客户进行交互，以客户指令作为输入，并和所述业务服务端保持连接，进一步地，将消息a输出至所述业务服务端，具体地，包含以下子步骤：
步骤1.1，在Linux服务器上部署所述业务服务端，并配置进程数量等于Puppeteer控制的HeadlessChrome个数；
优选地，在编写Html页面的时候指定了某一个远程字体库，来防止打开网页地址后可能出现的中文字体乱码；
步骤1.2，所述业务服务端开启web服务，接收外部的连接请求；
步骤1.3，所述客户端接收用户指令输入，并将输入的指令编译成消息a，具体地，消息a为JSON格式，其结构为：
{"webpage":"URL","clip":{"x":0,"y":0,"width":375,"height":667},"encoding":"encoding"}
其中，webpage表示网页地址，clip表示生成海报的大小，width和height表示生成海报的宽和高，encoding表示生成海报的方式。
步骤1.4，将编译后的消息a通过连接发送给所述业务服务端。
步骤2，所述业务服务端用于执行截图操作，接收所述客户端输入的消息a，从消息a中解析出图片A，并将解析的图片A输出至所述CGAN推理服务器，具体地，包含以下子步骤：
步骤2.1，所述业务服务端接收消息a，并对消息a进行解析，具体地，解析出消息a中的网页地址。
步骤2.2，通过调用Puppeteer库来控制HeadlessChrome，打开网页地址并进行屏幕截图。
步骤2.3，将屏幕截图作为图片A，通过连接发送给所述CGAN推理服务器。
步骤3，所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片，接收所述业务服务端输出的图片A，对图片A执行相应的操作得到图片B，并将图片B输出至所述业务服务端，具体地，包含以下子步骤：
步骤3.1，收集特定风格的海报图片，按照设定比例划分训练集和验证集；
如图2所示，CGAN推理服务器，由生成器G和判别器D组成，生成器G和判别器D在图片生成过程中进行极大极小博弈，CGAN通过优化目标函数来学习初始图像I到真实图像J的映射，其目标函数为：
Figure GDA0003513148150000041
Figure GDA0003513148150000042
其中，
Figure GDA0003513148150000051
是判别器部分的目标函数，
Figure GDA0003513148150000052
是生成器部分的目标函数，I是初始图像，J是真实图像，G(I)是生成器生成的图像，D(I,J)是判别器。
步骤3.2，在GPU服务器上，设置最优权重值λGP＝8，选择Adam优化器，设置学习率＝0.0001，并且批处理大小设置为6，迭代次数设置50，进行CGAN模型训练；
步骤3.3，对训练好的模型，以生成的数据和真实的数据进行对比分析，并根据分析的结果对训练参数进行调优，以及更新训练的数据，直到训练的模型达到效果最优；
步骤3.4，CGAN模型训练完成后，部署在业务服务端所在的同一台Linux服务器上，并对模型进行转换来实现推理服务，具体地，接收所述业务服务端传输的图片A，作为CGAN推理模型的数据输入，进一步地，由CGAN推理模型根据学习到的生成图像到训练数据的映射，将屏幕截图转换成特定风格的海报图片模板，作为图片B返回给业务服务端。
步骤4，所述业务服务端还用于渲染海报图片，接收所述CGAN推理服务器输出的图片B，通过操作图片B得到消息b，并将得到的消息b通过连接输出至所述客户端，具体地，包含以下子步骤：
步骤4.1，所述业务服务端接收从所述CGAN推理服务器传输的图片B；
步骤4.2，将图片B按照设定的海报结构，渲染成海报图片；
如图3所示，海报结构，是指把海报模板图片，划分为头部、主体、底部三个部分
优选地，头部的高为海报模板图片的五分之一，内容为固定的logo，
优选地，主体的高为海报模板图片的五分之三，内容为宣传文字，
优选地，底部的高为海报模板图片的五分之一，内容为固定的二维码；
步骤4.3，通过OSS对象存储提供接口将海报图片存储到CDNOSS对象存储中，然后返回海报图片在OSS对象存储的URL地址，并将图片名称和图片地址编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"图片的CDN地址"}
在本发明海报图片存储的另一种实施方式中，步骤4.3可以由下列步骤进行替换：
步骤4.3，将海报图片按照base64进行编码，并将图片名称和图片转成base64后的字符串编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"base64的字符串"}
步骤4.4，将消息b通过连接返回给所述客户端。
至此，按照本发明公开的方法，已详细说明了基于Puppeteer和CGAN的海报自主生成系统的工作流程。
虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (9)

1.一种基于Puppeteer和CGAN的海报自主生成系统，由客户端、业务服务端、CGAN推理服务器组成，其特征在于，工作流程包括以下步骤：
步骤1，所述客户端用于和客户进行交互，以客户指令作为输入，并和所述业务服务端保持连接，进一步地，将消息a输出至所述业务服务端；
步骤2，所述业务服务端用于执行截图操作，接收所述客户端输入的消息a，从消息a中解析出图片A，并将解析的图片A输出至所述CGAN推理服务器；
所述从消息a中解析出图片A包括：对消息a进行解析，解析出消息a中的网页地址；然后通过调用Puppeteer库来控制HeadlessChrome，打开网页地址并进行屏幕截图；最后将屏幕截图作为图片A；
步骤3，所述CGAN推理服务器用于将屏幕截图转换成特定类型的海报图片，接收所述业务服务端输出的图片A，对图片A执行相应的操作得到图片B，并将图片B输出至所述业务服务端；
所述对图片A执行相应的操作得到图片B包括：接收业务服务端传输的图片A，作为CGAN推理模型的数据输入，由CGAN推理模型根据学习到的生成图像到训练数据的映射，将屏幕截图转换成特定风格的海报图片模板，作为图片B返回给业务服务端；
步骤4，所述业务服务端还用于渲染海报图片，接收所述CGAN推理服务器输出的图片B，通过操作图片B得到消息b，并将得到的消息b通过连接输出至所述客户端。
2.根据权利要求1所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，步骤1包含以下子步骤：
步骤1.1，在Linux服务器上部署所述业务服务端，并配置进程数量等于Puppeteer控制的HeadlessChrome个数；
步骤1.2，所述业务服务端开启web服务，接收外部的连接请求；
步骤1.3，所述客户端接收用户指令输入，并将输入的指令编译成消息a，具体地，消息a为JSON格式，其结构为：
{"webpage":"URL","clip":{"x":0,"y":0,"width":375,"height":667},"encoding":"encoding"}
其中，webpage表示网页地址，clip表示生成海报的大小，width和height表示生成海报的宽和高，encoding表示生成海报的方式；
步骤1.4，将编译后的消息a通过连接发送给所述业务服务端。
3.根据权利要求2所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，所述在Linux操作系统上部署业务服务端，具体地，在编写Html页面的时候指定了某一个远程字体库，来防止打开网页地址后可能出现的中文字体乱码。
4.根据权利要求1所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，步骤2包含以下子步骤：
步骤2.1，所述业务服务端接收消息a，并对消息a进行解析，具体地，解析出消息a中的网页地址；
步骤2.2，通过调用Puppeteer库来控制HeadlessChrome，打开网页地址并进行屏幕截图；
步骤2.3，将屏幕截图作为图片A，通过连接发送给所述CGAN推理服务器。
5.根据权利要求1所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，步骤3包含以下子步骤：
步骤3.1，收集特定风格的海报图片，按照设定比例划分训练集和验证集；
步骤3.2，在GPU服务器上，设置最优权重值λGP＝8，选择Adam优化器，设置学习率＝0.0001，并且批处理大小设置为6，迭代次数设置50，进行CGAN模型训练；
步骤3.3，对训练好的模型，以生成的数据和真实的数据进行对比分析，并根据分析的结果对训练参数进行调优，以及更新训练的数据，直到训练的模型达到效果最优；
步骤3.4，CGAN模型训练完成后，部署在业务服务端所在的同一台Linux服务器上，并对模型进行转换来实现推理服务，具体地，接收所述业务服务端传输的图片A，作为CGAN推理模型的数据输入，进一步地，由CGAN推理模型根据学习到的生成图像到训练数据的映射，将屏幕截图转换成特定风格的海报图片模板，作为图片B返回给业务服务端。
6.根据权利要求5所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，所述CGAN推理服务器，由生成器G和判别器D组成，生成器G和判别器D在图片生成过程中进行极大极小博弈，CGAN通过优化目标函数来学习初始图像I到真实图像J的映射，其目标函数为：
Figure FDA0003513148140000021
Figure FDA0003513148140000022
其中，
Figure FDA0003513148140000023
是判别器部分的目标函数，
Figure FDA0003513148140000024
是生成器部分的目标函数，I是初始图像，J是真实图像，G(I)是生成器生成的图像，D(I,J)是判别器。
7.根据权利要求1所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，步骤4包含以下子步骤：
步骤4.1，所述业务服务端接收从所述CGAN推理服务器传输的图片B；
步骤4.2，将图片B按照设定的海报结构，渲染成海报图片；
步骤4.3，通过OSS对象存储提供接口将海报图片存储到CDNOSS对象存储中，然后返回海报图片在OSS对象存储的URL地址，并将图片名称和图片地址编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"图片的CDN地址"}
步骤4.4，将消息b通过连接返回给所述客户端。
8.根据权利要求7所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，步骤4.3还可以替换为下列步骤：
步骤4.3，将海报图片按照base64进行编码，并将图片名称和图片转成base64后的字符串编译成消息b，具体地，消息b为JSON格式，其结构为：
{"name":"图片名称","path":"base64的字符串"}。
9.根据权利要求7所述的一种基于Puppeteer和CGAN的海报自主生成系统，其特征在于，所述海报结构，是把海报模板图片，划分为头部、主体、底部三个部分，具体地，头部的高为海报模板图片的五分之一，内容为固定的logo；主体的高为海报模板图片的五分之三，内容为宣传文字；底部的高为海报模板图片的五分之一，内容为固定的二维码。
CN202111481017.XA 2021-12-07 2021-12-07 一种基于Puppeteer和CGAN的海报自主生成系统 Active CN113888665B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111481017.XA CN113888665B (zh) 2021-12-07 2021-12-07 一种基于Puppeteer和CGAN的海报自主生成系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111481017.XA CN113888665B (zh) 2021-12-07 2021-12-07 一种基于Puppeteer和CGAN的海报自主生成系统

Publications (2)

Publication Number Publication Date
CN113888665A CN113888665A (zh) 2022-01-04
CN113888665B true CN113888665B (zh) 2022-04-19

Family

ID=79015783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111481017.XA Active CN113888665B (zh) 2021-12-07 2021-12-07 一种基于Puppeteer和CGAN的海报自主生成系统

Country Status (1)

Country Link
CN (1) CN113888665B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109491744A (zh) * 2018-11-06 2019-03-19 成都知道创宇信息技术有限公司 一种网页截图系统和方法
CN111462281A (zh) * 2020-03-31 2020-07-28 北京创鑫旅程网络技术有限公司 海报生成方法、装置、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615776B (zh) * 2015-02-27 2019-03-15 北京奇艺世纪科技有限公司 提供待展示信息的方法及装置
CN110766772A (zh) * 2019-09-10 2020-02-07 北京字节跳动网络技术有限公司 基于Flutter跨平台海报制作方法装置介质和设备
CN112541954B (zh) * 2020-12-22 2024-03-26 畅捷通信息技术股份有限公司 一种根据图形特征智能生产海报的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109491744A (zh) * 2018-11-06 2019-03-19 成都知道创宇信息技术有限公司 一种网页截图系统和方法
CN111462281A (zh) * 2020-03-31 2020-07-28 北京创鑫旅程网络技术有限公司 海报生成方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN113888665A (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN109564505B (zh) 人工智能引擎、系统及机器可读存储设备
CN110597959B (zh) 文本信息抽取方法、装置以及电子设备
CN104407863B (zh) 抽象控件模型编程装置和方法
CN110599393B (zh) 图片风格转换方法、装置、设备及计算机可读存储介质
CN108563433B (zh) 一种基于lstm自动补全代码的装置
CN109583952A (zh) 广告文案处理方法、装置、设备及计算机可读存储介质
EP3564812A1 (en) Method and system for automated creation of graphical user interfaces
Dibia Lida: A tool for automatic generation of grammar-agnostic visualizations and infographics using large language models
CN113888665B (zh) 一种基于Puppeteer和CGAN的海报自主生成系统
CN110969137A (zh) 家居图像描述生成方法、装置、系统及存储介质
CN115485039B (zh) 用于支持游戏脚本的创建的系统和方法
KR101872005B1 (ko) 프로그래밍 커리큘럼 제공 방법
CN116822462A (zh) 电力系统的仿真报告的生成方法与生成装置
KR20160140041A (ko) 경험지식 기반 가상훈련 시나리오 추출 및 평가 시스템
CN114723398A (zh) 舞台创意编排方法、舞台创意编排装置和电子设备
CN112749364B (zh) 基于人工智能的网页生成方法、装置、设备及存储介质
Jo et al. Generative artificial intelligence and building design: early photorealistic render visualization of façades using local identity-trained models
CN114283422A (zh) 一种手写字体生成方法、装置、电子设备和存储介质
CN105975520B (zh) 一种灵活配置的个性化学习方案定制系统及其定制方法
CN110046338A (zh) 一种上下文选择方法、装置、电子设备及存储介质
CN117170651A (zh) 一种低代码开发平台、方法、装置和产品
CN117011129A (zh) 基于人工智能的视觉传达设计方法
KR20230080189A (ko) 인공지능을 이용한 독서 교육 지원 방법, 장치 및 시스템
JP2022191781A (ja) 資料編集装置及びプログラム
CN113094044A (zh) 一种编写ppt ui插件代码的方法及终端

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