CN115017561A - 3d设计图的生成方法、系统、终端设备及存储介质 - Google Patents
3d设计图的生成方法、系统、终端设备及存储介质 Download PDFInfo
- Publication number
- CN115017561A CN115017561A CN202210415349.6A CN202210415349A CN115017561A CN 115017561 A CN115017561 A CN 115017561A CN 202210415349 A CN202210415349 A CN 202210415349A CN 115017561 A CN115017561 A CN 115017561A
- Authority
- CN
- China
- Prior art keywords
- design
- design drawing
- selection information
- obtaining
- user
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种3D设计图的生成方法、系统、终端设备及存储介质。该方法包括:接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明旨在根据用户的需求生成3D设计图,降低成本,提高用户体验。
Description
技术领域
本发明涉及包装设计技术领域,尤其涉及一种3D设计图的生成方法、系统、终端设备及存储介质。
背景技术
目前,包装设计行业的客户可以通过在线设计工具设计包装。然而,通过在线设计工具设计包装,虽然省去了沟通成本,但是对客户具有一定的要求,例如,需要使用在线设计工具的客户懂设计,并且具有一定的美术功底,因此,并非所有使用在线设计工具设计包装的客户都可以获得满意的设计。
发明内容
本发明实施例的主要目的在于提供一种3D设计图的生成方法、系统、终端设备及存储介质,旨在根据用户的需求生成3D设计图,降低成本,提高用户体验。
为实现上述目的,本发明实施例提供一种3D设计图的生成方法,所述3D设计图的生成方法包括:
接收第一选择信息;
基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
基于所述元素集、预先创建的设计模型,得到3D设计图。
可选地,所述基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集的步骤包括:
基于所述第一选择信息、预设推荐算法,得到元素标签;
基于所述元素标签、预设逻辑算法,从所述元素样本库中调取图像元素,得到图像集;
基于所述图像集、所述预设协同推荐算法,得到所述元素集。
可选地,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤之前包括:
训练所述设计模型;
其中,所述训练所述设计模型的步骤包括:
获取训练数据集;
通过初始模型识别所述训练数据集的元素,得到结构化数据集;
对所述结构化数据集进行处理,得到训练图像集;
对所述训练图像集打分,得到训练分数集;
若所述训练分数集不满足预设要求,则返回执行步骤:通过初始模型识别所述训练数据集的元素,得到结构化数据集;直到所述训练分数集满足所述预设要求,终止训练,将所述初始模型作为所述设计模型。
可选地,所述基于所述第一选择信息、预设推荐算法,得到元素标签的步骤包括:
基于所述第一选择信息、所述预设推荐算法,得到推荐元素,并将所述推荐元素输出至用户;
接收所述用户基于所述推荐元素输入的第二选择信息;
基于所述第一选择信息、第二选择信息,得到所述元素标签。
可选地,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤包括:
基于所述元素集、所述设计模型,得到样式图集;
对所述样式图集的图像进行评分,得到评分分数集;
基于所述评分分数集、所述样式图集,得到所述3D设计图。
可选地,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤之后包括:
将所述3D设计图输出至用户,并接收所述用户基于所述3D设计图输入的调整信息;
根据所述调整信息对所述3D设计图进行调整并输出。
可选地,所述基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集的步骤之前包括:
创建所述元素样本库;
其中,所述创建所述元素样本库的步骤包括:
获取元素标签库、设计元素库;
提取所述设计元素库的元素特征;
基于所述元素特征、所述元素标签库、所述设计元素库,得到所述元素样本库。
此外,为实现上述目的,本发明还提供一种3D设计图的生成系统,所述系统包括:
接收模块,用于接收第一选择信息;
处理模块,用于基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
生成模块,用于基于所述元素集、预先创建的设计模型,得到3D设计图。
此外,为实现上述目的,本发明还提供一种终端设备,所述终端设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的3D设计图的生成方法,所述3D设计图的生成的程序被所述处理器执行时实现如上所述的3D设计图的生成方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有3D设计图的生成的程序,所述3D设计图的生成的程序被处理器执行时实现如上所述的3D设计图的生成方法的步骤。
本发明实施例提出的3D设计图的生成方法、系统、终端设备及存储介质,接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。通过上述方式,本发明只需用户输入选择信息,即可基于选择信息、预设协同推荐算法,从元素库中调取选择信息对应的元素,并通过设计模型对调取得到的元素进行加工处理,生成3D设计图,以降低时间成本,提高3D设计图的生成速度,提高用户体验。
附图说明
图1为本发明3D设计图的生成装置所属终端设备的功能模块示意图;
图2为本发明3D设计图的生成方法第一实施例的流程示意图;
图3为本发明3D设计图的生成方法第一实施例涉及的元素标签库的用途示意图;
图4为本发明3D设计图的生成方法第一实施例涉及的获取元素样本库的示意图;
图5为本发明3D设计图的生成方法第二实施例的流程示意图;
图6为本发明3D设计图的生成方法第二实施例第一场景的示意图;
图7为本发明3D设计图的生成方法第二实施例第一场景的一种细化示意图;
图8为本发明3D设计图的生成方法第三实施例的流程示意图;
图9为本发明3D设计图的生成方法第四实施例的流程示意图;
图10为本发明3D设计图的生成方法第四实施例第一场景的示意图;
图11为本发明3D设计图的生成系统的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。
本发明实施例涉及的技术术语:
AI:(Artificial Intelligence,人工智能),它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
VI:(Visual Identity,视觉识别系统),是运用系统的、统一的视觉符号系统。视觉识别是静态的识别符号具体化、视觉化的传达形式,项目最多,层面最广,效果更直接。视觉识别系统属于CIS中的VI,用完整、体系的视觉传达体系,将企业理念、文化特质、服务内容、企业规范等抽象语意转换为具体符号的概念,塑造出独特的企业形象。视觉识别系统分为基本要素系统和应用要素系统两方面。基本要素系统主要包括:企业名称、企业标志、标准字、标准色、象征图案、宣传口语、市场行销报告书等。应用系统主要包括:办公事务用品、生产设备、建筑环境、产品包装、广告媒体、交通工具、衣着制服、旗帜、招牌、标识牌、橱窗、陈列展示等。视觉识别(VI)在CIS系统大众所接受,具有主导的地位。
3D:(3-dimension,三维),三维是指在平面二维系中又加入了一个方向向量构成的空间系。三维既是坐标轴的三个轴,即x轴、y轴、z轴,其中x表示左右空间,y表示前后空间,z表示上下空间(不可用平面直角坐标系去理解空间方向)。在实际应用方面,一般把用X轴形容左右运动,而Z轴用来形容上下运动,Y轴用来形容前后运动,这样就形成了人的视觉立体感。三维是由一维和二维组成的,二维即只存在两个方向的交错,将一个二维和一个一维叠合在一起就得到了三维。三维具有立体性,前后,左右,上下都只是相对于观察的视点来说。没有绝对的前后,左右,上下。
当前包装设计行业,客户获取3D设计图的途径主要有两种,一种是直接找设计师进行设计,另一种是通过在线设计工具进行设计,两种方式都有其弊端。
如果找设计师设计,客户招聘设计师耗费人力成本,外包找高端设计师昂贵,小微客户难以承受费用成本,想要压缩成本只能找中低端设计师,而这些设计师因为设计水平不够,大部分都是在网上搜索3D设计图进行修改调整,在与客户的沟通中,设计师又难以一次性满足客户的需求,因此浪费大量时间,致使客户体验差,设计效率低。如果通过在线设计工具设计,虽然省去了沟通成本,但是对客户又有了一定的要求。使用在线设计工具的客户需要懂设计,有一定的美术功底,否则难以做出满意的设计。并且这些方式都存在数据利用率低的情况,每一张3D设计图及其中的元素,在后续的设计中很少用到,也难以产生关联。
本发明提供一种解决方案,旨在根据用户的需求生成3D设计图,降低成本,提高用户体验。
具体地,参照图1,图1是本发明3D设计图的生成装置所属终端设备的功能模块示意图。该3D设计图的生成装置可以为独立于终端设备的、能够进行图片处理、网络模型训练的装置,其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端,还可以为具有数据处理功能的固定终端设备或服务器等。
在本实施例中,该3D设计图的生成装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作方法以及3D设计图的生成程序;输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中,存储器130中的3D设计图的生成程序被处理器执行时实现以下步骤:
接收第一选择信息;
基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
基于所述元素集、预先创建的设计模型,得到3D设计图。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
基于所述第一选择信息、预设推荐算法,得到元素标签;
基于所述元素标签、预设逻辑算法,从所述元素样本库中调取图像元素,得到图像集;
基于所述图像集、所述预设协同推荐算法,得到所述元素集。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
训练所述设计模型;
其中,所述训练所述设计模型的步骤包括:
获取训练数据集;
通过初始模型识别所述训练数据集的元素,得到结构化数据集;
对所述结构化数据集进行处理,得到训练图像集;
对所述训练图像集打分,得到训练分数集;
若所述训练分数集不满足预设要求,则返回执行步骤:通过初始模型识别所述训练数据集的元素,得到结构化数据集;直到所述训练分数集满足所述预设要求,终止训练,将所述初始模型作为所述设计模型。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
基于所述第一选择信息、所述预设推荐算法,得到推荐元素,并将所述推荐元素输出至用户;
接收所述用户基于所述推荐元素输入的第二选择信息;
基于所述第一选择信息、第二选择信息,得到所述元素标签。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
基于所述元素集、所述设计模型,得到样式图集;
对所述样式图集的图像进行评分,得到评分分数集;
基于所述评分分数集、所述样式图集,得到所述3D设计图。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
将所述3D设计图输出至用户,并接收所述用户基于所述3D设计图输入的调整信息;
根据所述调整信息对所述3D设计图进行调整并输出。
进一步地,存储器130中的3D设计图的生成程序被处理器执行时还实现以下步骤:
创建所述元素样本库;
其中,所述创建所述元素样本库的步骤包括:
获取元素标签库、设计元素库;
提取所述设计元素库的元素特征;
基于所述元素特征、所述元素标签库、所述设计元素库,得到所述元素样本库。
本实施例通过上述方案,具体通过接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明旨在根据用户的需求生成3D设计图,降低成本,提高用户体验。
基于上述终端设备架构但不限于上述架构,提出本发明方法实施例。
参照图2,图2为本发明3D设计图的生成方法第一实施例的流程示意图。所述3D设计图的生成方法包括:
步骤S101,接收第一选择信息。
步骤S102,基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集。
本实施例方法的执行主体可以是一种3D设计图的生成装置,也可以是一种3D设计图的生成终端设备或服务器,本实施例以3D设计图的生成系统进行举例,该3D设计图的生成系统可以集成在具有数据处理功能的智能手机、平板电脑等终端设备上。
3D设计图一般由设计师根据用户的需求定制而成,而设计师的工作基本上有迹可循,其中,设计师的工作流程一般为:获取客户需求、构图,定风格、找素材,设计、沟通、反馈。而将这些步骤转变为系统思维,即可创造一套对客户而言所想即所得,可自主合成的3D设计图的生成系统,用户只需几次点击,即可让AI做出优秀的设计,使包装设计变得高质、高效、普惠、低成本。
在本实施例中,自主合成设计包装系统利用自身的人工智能算法和数据,搭配传统设计师的经验,产生满足不同场景的设计需求,自主合成3D设计图的生成系统的工作过程可分为六个部分:
一、调查用户需求与喜好:确定用户对包装设计的需求以及设计中各类元素的喜好情况,形成用户画像;其中,在用户选择设计元素过程中,调用推荐算法系统,即可根据用户已经选择的元素推荐用户可能喜欢的元素。
二、根据用户画像,从元素库中调取符合用户需求及喜好的设计元素,为设计模型提供元素数据集合。
三、通过设计模型对元素数据集合的元素进行图像合成。在应用设计模型之前,需要先通过大量的设计作品对设计模型进行训练,学习每个元素之间的搭配,如颜色、层次、摆位等,以通过设计模型合成符合用户需求的设计作品。
四、对通过设计模型合成的图像进行评估,从美学、用户反馈等多个纬度进行综合评分,并对评分进行排序,将评分最高的图像展示给客户。
五、展示及调整,用户对系统推荐的图像可以再次进行调整,可调整的内容包括背景、图片、字体等。
六、获取用户的设计反馈,根据用户最终采用、下单、翻单的动作对3D设计图进行评估打分,以此扩增设计模型的训练数据集。
具体地,在本实施例中,为了根据用户的需求生成3D设计图,降低成本,提高用户体验,首先,创建元素样本库;其中,创建元素样本库的步骤包括:获取元素标签库、设计元素库;提取设计元素库的元素特征;基于元素特征、元素标签库、设计元素库,得到元素样本库。
其中,元素标签库用于调查用户需求及存储元素标签定义,元素标签定义是将设计作品、3D设计图中所有元素抽象量化,进行归一化处理,这些特征包括:盒型、风格、种类、颜色、节日、布局、位置、尺寸等,将这些特征作为元素标签,得到元素标签库。例如:如图3所示,元素标签库(标签库)用于用户需求调查时,可向用户展示基于基础信息、产品信息、销售渠道的调查问卷,并基于调查结果,确定用户的喜好;其中,用户的喜好包括:蓝色、橙色、城市、精品盒、中轴结构等。
设计元素库为3D设计图的生成系统提供设计基础元素支持,设计元素库的元素可通过三种途径获取:1、对优秀的3D设计图进行分解;2、收集大量的素材信息;3、对已知信息进行全新融合。
更为具体地,在本实施例中,获取3D设计图、设计作品、设计素材,作为素材集;提取素材集中的元素,并识别元素的名称,进行归一化处理,得到元素标签库。对素材集中的元素进行提取、分解,得到设计元素库。提取设计元素库中元素的特征,并将元素标签库中的标签映射到设计元素库的元素中,得到元素样本库;其中,元素样本库的元素具有至少一个元素标签。由于元素样本库满足设计所需的盒型、布局、图片、文字等元素数据,因此,通过对这些元素进行组合,可实现千人千面的设计。例如:如图4所示,提取设计作品的盒型、图文、布局,并对其进行分解,得到分解结果;将元素标签库中的标签映射到分解结果,并放入元素样本库;其中,图文包括logo、产品、名称等。
进一步地,接收第一信息,其中,第一信息包括用户对3D设计图的需求内容,例如尺寸、颜色、图案、色系等;第一信息可由用户通过一系列的问答选项、设计因素选项选择得到。
基于第一选择信息、预设推荐算法,得到元素标签;基于元素标签、预设逻辑算法,从元素样本库中调取图像元素,得到图像集;基于图像集、预设协同推荐算法,得到元素集。其中,预设推荐算法根据用户画像,为用户推荐最合适的设计元素,高效的为系统获取用户心中的想法。用户浏览设计元素时,预设推荐算法会根据用户选择的元素执行召回的逻辑算法,以供用户进行选择,若没有合适元素,则根据系统默认规则进行推荐。
步骤S103,基于所述元素集、预先创建的设计模型,得到3D设计图。
在本实施例中,基于元素集、设计模型,得到样式图集;对样式图集的图像进行评分,得到评分分数集;基于评分分数集、样式图集,得到3D设计图。
具体地,基于对用户的产品、企业VI、喜好及需求等信息进行系统分析,通过设计模型对元素集内的元素进行排版,组装,合成至少一张二维设计图,作为样式图集,其中,样式图集中的每张二维设计图都会组合不同的元素、布局、尺寸,每两张二维设计图均不完全相同。对样式图集中的每张二维设计图打分,得到评分分数集,并对评分分数集进行排序,将样式图集中评分分数最高的二维设计图作为最合适的二维设计图展示给客户。
进一步地,将二维设计图转换为3D设计图输出至用户,并接收用户基于3D设计图输入的调整信息;根据调整信息对3D设计图进行调整并输出;其中,调整信息包括添加文字、改变尺寸、添加图像等。由此,最终的3D设计图会以立体的形式展现给用户,使得用户更直观的了解3D设计图所对应的产品。用户可以对3D图纸进行即时编辑调整,还可以结合场景进行摆位,以达到最佳浏览效果。例如,3D设计图为节日礼盒,用户可在背景添加该节日对应的元素,以更直观的体验该3D设计图对应的产品的效果。
用户选定一个3D设计图后,该3D设计图会进入设计模型的训练数据集,用户通过3D设计调整板块对3D设计图进行的后续操作,例如调整尺寸、添加文字等,也会反馈到系统进行评分、存储,便于后续为该用户生成符合该用户喜好、需求的3D设计图。
本实施例通过上述方案,具体通过接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明基于元素样本库实现千人千面的设计,用户只需选择自己的喜好即可获取系统自动生成的评分最高的3D设计图,并且,用户还可以对此进行调整、自定义,以此提高用户体验。
参照图5,图5为本发明3D设计图的生成方法第二实施例的流程示意图。基于上述图2所示的实施例,在本实施例中,步骤S102:基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集包括:
步骤S1021,基于所述第一选择信息、预设推荐算法,得到元素标签。
在本实施例中,基于第一选择信息、预设推荐算法,得到推荐元素,并将推荐元素输出至用户;接收用户基于推荐元素输入的第二选择信息;基于第一选择信息、第二选择信息,得到元素标签。
具体地,基于用户输入的第一选择信息、预设推荐算法,得到与第一选择信息相关联的元素,作为上述推荐元素,并将推荐元素显示至用户;其中,推荐元素是用户可能会喜欢的元素。用户看到推荐元素后,会进行再次选择,由此生成第二选择信息。根据第一选择信息、第二选择信息,得到符合用户喜好的元素标签。
例如:如图6、图7所示,首先,用户浏览设计元素,并基于设计元素进行选择,得到第一选择信息;基于第一选择信息确定用户画像。基于预设推荐算法、用户画像执行召回的逻辑算法,并对召回的结果进行排序、调整、选择,确定推荐元素,并将推荐元素显示至用户以供用户进行选择,得到第二选择信息,以此更新用户画像。最后,第一选择信息、第二选择信息,得到符合用户喜好的元素标签。
为了简化用户的选择界面,首先进入用户眼帘的选择界面的选项较为精简,通过预设推荐算法可以根据用户当前的选择,关联出更多用户可能选择的选项,由此,用户不再需要一次次的输入自己的需求,简化3D设计图的生成流程,以此提高用户体验。
步骤S1022,基于所述元素标签、预设逻辑算法,从所述元素样本库中调取图像元素,得到图像集。
步骤S1023,基于所述图像集、所述预设协同推荐算法,得到所述元素集。
作为一种实施方式,在本实施例中,基于元素标签、召回的逻辑算法,从元素样本库中调取图像元素,得到图像集;其中,将召回的逻辑算法作为上述预设逻辑算法。基于图像集、基于标签的协同推荐算法,得到元素集;其中,将基于标签的协同推荐算法作为上述预设协同推荐算法。
基于标签的协同推荐算法的主要原理是通过一定的方式标记出用户和设计元素的标签,进而通过标签关联用户和商品。
具体他,首先,为每一个设计、元素添加对应的标签,然后计算用户对各个标签的喜好程度。
用户对标签的喜好程度为Pre(u,t):
Pre(u,t)=rate(u,t)*TF-IDF(u,t)
其中:
TF-IDF(u,t)=TF((u,t)*IDF(u,t)
TF-IDF(u,t)是指用户u对标签t的依赖度,TF(u,t)是指用户u使用标签t标记的概率,IDF(u,t)表示标签t的热门程度,即一个标签被不同的用户使用的概率,n(u,ti)表示用户u使用标签ti标记的次数,表示用户u使用所有标签标记的次数和,表示所有用户对所有标签的标记计数和,表示所有用户对标签t的标记计数和。
本实施例通过上述方案,具体通过接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明通过执行召回的逻辑算法,将符合用户需求的元素进行召回,缩小用户可选择的数据范围,然后基于标签的协同推荐算法,根据用户标签的权重,对召回的数据进行排序,再结合运营策略,对排序进行调整,最终将推荐结果展示给用户。并且,用户每一次对元素的喜好选择或设计调整,都会对最终的3D设计图进行更新,以确保系统能及时获取用户的想法,进行最新的推荐,提高用户体验。
基于上述图2所示的实施例,提出本发明3D设计图的生成方法第三实施例。在本实施例中,步骤S103:基于所述元素集、预先创建的设计模型,得到3D设计图之前包括:
步骤S1031,获取训练数据集。
步骤S1032,通过初始模型识别所述训练数据集的元素,得到结构化数据集。
步骤S1033,对所述结构化数据集进行处理,得到训练图像集。
步骤S1034,对所述训练图像集打分,得到训练分数集。
若所述训练分数集不满足预设要求,则返回执行步骤S1032:通过初始模型识别所述训练数据集的元素,得到结构化数据集;直到所述训练分数集满足所述预设要求,终止训练,将所述初始模型作为所述设计模型。
作为一种实施方式,在本实施例中,如图8所示,训练设计模型(AI包装设计引擎)前需要先获取训练数据集,训练数据集的来源有两种,一种是由设计师设计的不同布局不同风格的包装3D设计图,另一种是根据用户对包装设计的反馈及修改得到的3D设计图。然后,通过初始模型(AI包装设计引擎)对训练数据集的图像多目标进行识别(分析元素),学习元素之间的遮挡、包含情况等,得到结构化数据集。
进一步地,对结构化数据集内的信息进行量化(归一化),量化的内容包括元素种类、颜色、风格、位置、层次等,进而学习元素之间的搭配、行业对元素的使用情况,以确保元素之间搭配合理,使元素与产品匹配,避免层次遮挡等问题。
进一步地,基于初始模型(AI包装设计引擎)、训练数据集,得到训练图像,并对训练图像集的图像打分,得到评分分数集。若训练分数集中预设比例的分数不满足预设分数阈值,则返回执行步骤S1032:通过初始模型识别所述训练数据集的元素,得到结构化数据集;直到训练分数集中预设比例的分数满足预设分数阈值,终止训练,将初始模型作为上述设计模型;其中,将预设比例的分数满足预设分数阈值作为上述预设要求,预设比例、预设分数阈值可根据实际情况进行设置。
本实施例通过上述方案,具体通过接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明旨在根据用户的需求生成3D设计图,通过设计模型对召集得到的元素进行排列组合,使最终得到的3D设计图更加美观大方,提高用户体验。
参照图9,图9为本发明3D设计图的生成方法第四实施例的流程示意图。在本实施例中,首先,创建元素库;其中,创建元素样本库的步骤包括:获取标签库、盒型数据库、素材大数据、布局数据库;提取盒型数据库、素材大数据、布局数据库的元素特征;基于元素特征、标签库、盒型数据库、素材大数据、布局数据库,得到元素库。
进一步地,通过推荐算法,基于标签库获取用户需求及喜好标签,例如:通过问答的方式获取用户有关盒型、风格、布局等方面的喜好,作为选择信息。基于元素集、元素库、选择信息,确定选择元素;其中,元素集包括盒型集、素材集、布局集。
进一步地,通过AI设计引擎基于选择元素进行排版,得到设计作品集。其中,通过AI设计引擎基于选择元素进行排版,得到设计作品集之前,需要获取训练样本,并基于训练样本,通过AI设计引擎学习识别、合成,以通过学习后的AI设计引擎基于选择元素进行排版设计。
对设计作品集的作品进行设计评估,得到评分分数,将评分分数最高的设计作品转换为3D模式,并且附带设计作品对应的场景显示至用户。例如,如图10所示,对设计作品集的作品进行设计评估,得到评分分数,评分分数包括布局、美学、喜好、综合等方面的评分,最终将基于加权平均计算得到的综合评分分数最高的设计作品转为3D模式,并且附带设计作品对应的场景显示至用户。
用户可根据显示作品进行调整设计,得到最终方案。最终方案不仅会保存至包装设计作品库,并且会作为AI设计引擎的训练样本以供AI设计引擎进行再次训练学习。
本实施例通过上述方案,基于元素库实现千人千面的设计,用户只需选择自己的喜好即可获取系统自动生成的评分最高的3D设计图,并且,用户还可以对此进行调整、自定义,以此提高用户体验。
参照图11,图11为本发明3D设计图的生成系统的功能模块示意图。3D设计图的生成系统包括:
接收模块10,用于接收第一选择信息;
处理模块20,用于基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
生成模块30,用于基于所述元素集、预先创建的设计模型,得到3D设计图。
本实施例实现3D设计图的生成的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本发明实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的3D设计图的生成程序,所述3D设计图的生成程序被所述处理器执行时实现如上所述的3D设计图的生成方法的步骤。
由于本3D设计图的生成程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有3D设计图的生成程序,所述3D设计图的生成程序被处理器执行时实现如上所述的3D设计图的生成方法的步骤。
由于本3D设计图的生成程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
相比现有技术,本发明提供的一种3D设计图的生成方法、系统、终端设备及存储介质,通过接收第一选择信息;基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;基于所述元素集、预先创建的设计模型,得到3D设计图。本发明旨在根据用户的需求生成3D设计图,降低成本,提高用户体验。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者方法中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,被控终端,或者网络设备等)执行本发明每个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种3D设计图的生成方法,其特征在于,所述方法包括如下步骤:
接收第一选择信息;
基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
基于所述元素集、预先创建的设计模型,得到3D设计图。
2.根据权利要求1所述的3D设计图的生成方法,其特征在于,所述基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集的步骤包括:
基于所述第一选择信息、预设推荐算法,得到元素标签;
基于所述元素标签、预设逻辑算法,从所述元素样本库中调取图像元素,得到图像集;
基于所述图像集、所述预设协同推荐算法,得到所述元素集。
3.根据权利要求1所述的3D设计图的生成方法,其特征在于,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤之前包括:
训练所述设计模型;
其中,所述训练所述设计模型的步骤包括:
获取训练数据集;
通过初始模型识别所述训练数据集的元素,得到结构化数据集;
对所述结构化数据集进行处理,得到训练图像集;
对所述训练图像集打分,得到训练分数集;
若所述训练分数集不满足预设要求,则返回执行步骤:通过初始模型识别所述训练数据集的元素,得到结构化数据集;直到所述训练分数集满足所述预设要求,终止训练,将所述初始模型作为所述设计模型。
4.根据权利要求2所述的3D设计图的生成方法,其特征在于,所述基于所述第一选择信息、预设推荐算法,得到元素标签的步骤包括:
基于所述第一选择信息、所述预设推荐算法,得到推荐元素,并将所述推荐元素输出至用户;
接收所述用户基于所述推荐元素输入的第二选择信息;
基于所述第一选择信息、第二选择信息,得到所述元素标签。
5.根据权利要求1所述的3D设计图的生成方法,其特征在于,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤包括:
基于所述元素集、所述设计模型,得到样式图集;
对所述样式图集的图像进行评分,得到评分分数集;
基于所述评分分数集、所述样式图集,得到所述3D设计图。
6.根据权利要求1所述的3D设计图的生成方法,其特征在于,所述基于所述元素集、预先创建的设计模型,得到3D设计图的步骤之后包括:
将所述3D设计图输出至用户,并接收所述用户基于所述3D设计图输入的调整信息;
根据所述调整信息对所述3D设计图进行调整并输出。
7.根据权利要求1所述的3D设计图的生成方法,其特征在于,所述基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集的步骤之前包括:
创建所述元素样本库;
其中,所述创建所述元素样本库的步骤包括:
获取元素标签库、设计元素库;
提取所述设计元素库的元素特征;
基于所述元素特征、所述元素标签库、所述设计元素库,得到所述元素样本库。
8.一种3D设计图的生成系统,其特征在于,包括:
接收模块,用于接收第一选择信息;
处理模块,用于基于所述第一选择信息、预设协同推荐算法,从元素样本库中调取图像元素,得到元素集;
生成模块,用于基于所述元素集、预先创建的设计模型,得到3D设计图。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的3D设计图的生成方法,所述3D设计图的生成的程序被所述处理器执行时实现如权利要求1-7中任一项所述的3D设计图的生成方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有3D设计图的生成的程序,所述3D设计图的生成的程序被处理器执行时实现如权利要求1-7中任一项所述的3D设计图的生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210415349.6A CN115017561A (zh) | 2022-04-20 | 2022-04-20 | 3d设计图的生成方法、系统、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210415349.6A CN115017561A (zh) | 2022-04-20 | 2022-04-20 | 3d设计图的生成方法、系统、终端设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115017561A true CN115017561A (zh) | 2022-09-06 |
Family
ID=83068031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210415349.6A Pending CN115017561A (zh) | 2022-04-20 | 2022-04-20 | 3d设计图的生成方法、系统、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115017561A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611131A (zh) * | 2023-07-05 | 2023-08-18 | 大家智合(北京)网络科技股份有限公司 | 一种包装图形自动生成方法、装置、介质及设备 |
CN116628829A (zh) * | 2023-07-24 | 2023-08-22 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
-
2022
- 2022-04-20 CN CN202210415349.6A patent/CN115017561A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611131A (zh) * | 2023-07-05 | 2023-08-18 | 大家智合(北京)网络科技股份有限公司 | 一种包装图形自动生成方法、装置、介质及设备 |
CN116611131B (zh) * | 2023-07-05 | 2023-12-26 | 大家智合(北京)网络科技股份有限公司 | 一种包装图形自动生成方法、装置、介质及设备 |
CN116628829A (zh) * | 2023-07-24 | 2023-08-22 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
CN116628829B (zh) * | 2023-07-24 | 2023-11-07 | 山东融谷信息科技有限公司 | 一种基于数字孪生的智慧建筑三维可视化系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153788B (zh) | 页面信息个性化处理方法、装置及系统 | |
CN105976203B (zh) | 互联网广告创意自动生成方法及装置 | |
US7885861B2 (en) | Method, system, and storage for creating a montage of composite product images | |
CN115017561A (zh) | 3d设计图的生成方法、系统、终端设备及存储介质 | |
US20150331933A1 (en) | System and method for Rhythmic and Polyrhythmic Pattern Search and Publishing | |
CN106462559B (zh) | 任意大小内容项生成 | |
CN110196930A (zh) | 一种多模态客服自动回复方法及系统 | |
US20090248546A1 (en) | Marketing System And Method | |
CN103631841A (zh) | 用于创建结构化文档的方法和系统 | |
US20180285965A1 (en) | Multi-dimensional font space mapping and presentation | |
CN104598470B (zh) | 基于偏好的数据表示框架 | |
US20140267302A1 (en) | Method and apparatus for personalized handwriting avatar | |
US20190057530A1 (en) | Data-based memorabilia product and method of making the same | |
CN108021629B (zh) | 一种广告素材数据生成方法、装置及系统 | |
CN117058275B (zh) | 商品宣传图生成方法、装置、计算机设备及存储介质 | |
CN117112915B (zh) | 基于用户特征及大数据训练的智能设计方法和系统 | |
CN111158647B (zh) | 基于结构化理论的创意素材自适应生成方法及装置 | |
CN103617533A (zh) | 商品信息的展示方法与装置 | |
US20070288305A1 (en) | Method for evaluating provision of commodity information | |
CN113260970A (zh) | 图片识别的用户界面系统、电子设备及交互方法 | |
Vorobchuk et al. | Artistic language of coded information: The principles of visual communication signals design | |
KR20230140287A (ko) | 온라인 간판 제작 시스템 및 그 방법 | |
US8140374B2 (en) | Method for evaluating provision of commodity information | |
JP2015225398A (ja) | デザイン管理装置及びプログラム | |
CN115587398A (zh) | 一种包装智能设计、打样、定制一体化方法及系统 |
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 |