CN116883096A - 车辆的涂装数据的获取方法、装置及电子设备 - Google Patents
车辆的涂装数据的获取方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116883096A CN116883096A CN202310525055.3A CN202310525055A CN116883096A CN 116883096 A CN116883096 A CN 116883096A CN 202310525055 A CN202310525055 A CN 202310525055A CN 116883096 A CN116883096 A CN 116883096A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- coating
- painting
- coding
- 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
- 239000011248 coating agent Substances 0.000 title claims abstract description 314
- 238000000576 coating method Methods 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000010422 painting Methods 0.000 claims description 149
- 239000003973 paint Substances 0.000 claims description 41
- 230000000694 effects Effects 0.000 claims description 38
- 230000004927 fusion Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000003058 natural language processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0621—Item configuration or customization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/12—Use of codes for handling textual entities
- G06F40/126—Character encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Human Computer Interaction (AREA)
- General Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Strategic Management (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种车辆的涂装数据的获取方法、装置、电子设备及存储介质,涉及计算机技术领域,具体涉及深度学习、计算机视觉等人工智能技术领域。具体实施方案为:接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息;对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;基于多个维度的编码信息,获取车辆的涂装数据,并反馈给车载客户端。由此,该方法可以根据用户输入信息,得到多个维度上的涂装相关信息,并对涂装相关信息进行编码。根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛,在极大的程度上减少了定制的时间成本和人力成本。
Description
技术领域
本公开涉及计算机技术领域,具体涉及深度学习、计算机视觉等人工智能技术领域,尤其涉及一种车辆的涂装数据的获取方法、装置和电子设备及存储介质。
背景技术
目前进行车辆外观涂装的设计需要用户咨询专业设计师,设计师根据用户的需求进行草图设计,再通过设计软件实现车辆涂装设计的仿真模拟。而且设计车辆外观涂装的过程消耗了大量的时间和精力,对专业性的要求较高,智能化程度较低。
发明内容
本公开提供了一种用于车辆的涂装数据的获取方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种车辆的涂装数据的获取方法,包括:接收车载客户端发送的用户输入信息,并基于所述用户输入信息获取车辆多个维度上的涂装相关信息;对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;基于多个维度的所述编码信息,获取所述车辆的涂装数据,并反馈给所述车载客户端。
根据本公开的一方面,提供了另一种车辆的涂装数据的获取方法,包括:获取用户输入信息,所述用户输入信息用于获取车辆多个维度的涂装相关信息;向服务器发送所述用户输入信息;接收所述服务器反馈的所述车辆的涂装数据,其中所述车辆的涂装数据基于多个维度的所述涂装相关信息生成。
根据本公开的另一方面,提供了一种车辆的涂装数据的获取装置,包括:第一获取模块,用于接收车载客户端发送的用户输入信息,并基于所述用户输入信息获取车辆多个维度上的涂装相关信息;编码模块,用于对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;第二获取模块,用于基于多个维度的所述编码信息,获取所述车辆的涂装数据,并反馈给所述车载客户端。
根据本公开的另一方面,提供了另一种车辆的涂装数据的获取装置,包括:获取模块,用于获取用户输入信息,所述用户输入信息用于获取车辆多个维度的涂装相关信息;发送模块,用于向服务器发送所述用户输入信息;接收模块,用于接收所述服务器反馈的所述车辆的涂装数据,其中所述车辆的涂装数据基于多个维度的所述涂装相关信息生成。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一方面实施例所述的车辆的涂装数据的获取方法。
根据本公开另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其上存储有计算机程序/指令,所述计算机指令用于使所述计算机执行上述一方面实施例所述的车辆的涂装数据的获取方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的车辆的涂装数据的获取方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图;
图2为本公开实施例提供的另一种车辆的涂装数据的获取方法的流程示意图;
图3为本公开实施例提供的另一种车辆的涂装数据的获取方法的流程示意图;
图4为本公开实施例提供的一种车辆的涂装数据的获取方法中获取第三编码信息的流程示意图;
图5为本公开实施例提供的另一种车辆的涂装数据的获取方法的流程示意图;
图6为本公开实施例提供的另一种车辆的涂装数据的获取方法的流程示意图;
图7为本公开实施例提供的另一种车辆的涂装数据的获取方法的流程示意图;
图8为本公开实施例提供的一种车辆的涂装数据的获取方法的流程图;
图9为本公开实施例提供的一种车辆的涂装数据的获取装置的结构示意图;
图10为本公开实施例提供的另一种车辆的涂装数据的获取装置的结构示意图;
图11为根据本公开实施例的车辆的涂装数据的获取方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的车辆的涂装数据的获取方法、装置和电子设备。
人工智能(Artificial Intelligence,简称AI),是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术,也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
自然语言处理(Natural Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别等方面。
深度学习(Deep Learning,简称DL),是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
智能搜索是结合了人工智能技术的新一代搜索引擎。他除了能提供传统的快速检索、相关度排序等功能,还能提供用户角色登记、用户兴趣自动识别、内容的语义理解、智能信息化过滤和推送等功能。
计算机视觉,计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取“信息”的人工智能系统,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
图像处理(image processing)技术,用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
图1为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图1所示,该车辆的涂装数据的获取方法,可包括:
S101,接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息。
需要说明的是,本公开实施例提供的车辆的涂装数据的获取方法的执行主体为电子设备,该电子设备可以是车载终端、智能车机等。电子设备包括可以获取用户输入信息的车载客户端,和接收车载客户端发送信息的服务器。
服务器可以通过无线网络或移动网络等通信方式,接收车载客户端发送用户输入信息,并对用户的输入信息进行分析,以获得车辆多个维度上的涂装相关信息。
可选地,用户的输入信息可以包括但不限于:用户的车型选取信息、风格选取信息、涂装提示信息等信息。进一步地,基于用户的输入信息,确定车辆在多个维度上的涂装相关信息。
可选地,多个维度上的涂装相关信息可以包括但不限于:车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。
在一些实现中,可以从用户输入的车型选取信息中可以获取到的车辆的结构信息,如车标、车型信息。车型信息可以包括车辆的品牌、车辆的车系等信息,基于车型信息可以进一步得到该品牌的车型、车辆自身的风格属性以及车辆的设计理念等信息。
在一些实现中,从风格选取信息和涂装提示信息中可以获取到的涂装风格关键词、涂装主题词和一个或多个涂装辅助关键词。
示例性说明,用户输入的车型信息为A品牌中的B系列,可以获取到关于车辆的车型为紧凑型SUV、B系列的设计风格等信息,用户输入涂装提示词为“二次元标识”,选择的设计涂装风格为“可爱”,则涂装风格关键词是“二次元”,涂装主题词是“可爱”,涂装辅助关键词是“可爱的二次元标识”。由此,根据车辆自身的风格属性,结合用户的输入信息设计车辆的涂装效果,可以使得涂装效果与车辆的匹配效果更好。
S102,对各维度的涂装相关信息进行编码,得到各维度对应的编码信息。
在一些实现中,可以通过编码器对获取到的各维度的涂装相关信息进行编码,得到各维度对应的编码信息。本公开中,各维度的编码信息为一种潜在空间向量表示,通过编码器将输入的各维度的涂装相关信息映射到一个潜在空间的向量表示。通过潜在空间向量表示可以实现对数据的抽象表示,其中包含了数据的关键特征。进一步地可以基于各维度的潜在空间向量表示,获取到车辆的涂装数据。
可选地,可以通过文本编码器对各维度的涂装相关信息进行编码,得到各维度对应的文本向量表示,也就是编码信息。需要说明的是,文本编码器支持的语言类型可以是中文,也可以是其他语言。
可选地,对结构信息进行潜在空间编码,得到结构信息的编码信息,也就是结构信息的潜在空间向量表示;对涂装风格关键词进行潜在空间编码,得到风格关键词的编码信息,也就是风格关键词的潜在空间向量表示;对涂装主题词进行潜在空间编码,得到主题词的编码信息,也就是主体词的潜在空间向量表示;对涂装辅助关键词进行潜在空间编码,得到辅助关键词的编码信息,也就是主体词的潜在空间向量表示。
可以理解的是,每个维度的涂装相关信息可以对应各自训练的编码器,基于各自的编码器进行编码,得到各自的编码信息,也就是潜在空间向量表示。
S103,基于多个维度的编码信息,获取车辆的涂装数据,并反馈给车载客户端。
在一些实现中,获取车辆的涂装数据需要通过读取多个维度的编码信息,然后解码并将其转换为可用于车辆涂装数据记录和分析的数据格式。
可选地,可以使用编码信息对应的转换算法进行解码,并将解码后的涂装数据记录下来,作为涂装建模的信息。涂装建模的信息可以包括:车辆的基本信息(如车辆的车型)、涂装信息(如涂装主体颜色、图片等)。基于车辆的基本信息、涂装信息可以对车辆进行涂装建模,模拟车辆的涂装效果,进而生成车辆的涂装数据。
在一些实现中,在得到车辆的涂装数据后,服务器可以将车辆的涂装数据通过无线网络或蓝牙等通信方式发送给车载客户端,用户可以根据车辆的涂装数据,在车载客户端查看涂装建模模型,并可将此模型内容下载保存,包括车型标准尺寸设计图纸、设计方案等,进而可根据此图纸和模型实现对车辆的个性化定制改造,节省了时间和人力成本。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图2为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图2所示,该车辆的涂装数据的获取方法,可包括:
S201,接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息。
S202,对各维度的涂装相关信息进行编码,得到各维度对应的编码信息。
步骤S201-S202的相关内容可参见上述实施例,这里不再赘述。
S203,根据多个维度的编码信息,获取车辆的涂装元素集合,其中,涂装元素集合包括车辆的涂装信息和车辆的三维信息。
在一些实现中,可以预训练一个涂装生成模型,该模型可以将输入的编码信息整合输出车辆的涂装元素集合,该涂装元素集合可以包括车辆的涂装信息和车辆的三维信息。可选地,涂装生成模型可以针对各个维度对应的编码信息,可以从编码信息中提取条件控制信息,并将各个维度的条件控制信息拼接为一个全局条件控制信息,对该全局条件控制信息进行主题扩散生成,输出车辆的涂装元素集合。
可以理解的是,车辆的车型尺寸可作为结构编码信息的条件控制信息,涂装风格可作为风格编码信息的条件控制信息,涂装主题可作为主题编码信息的条件控制信息,涂装辅助关键词可作为辅助关键词编码信息的条件控制信息。将上述条件控制信息拼接为一个编码信息输入到预训练的涂装生成模型中,得到车辆的涂装元素集合。
可选地,车辆的涂装信息和车辆的三维信息可以由预训练的涂装生成模型对拼接后的编码信息进行模型识别得到的。例如,可以包括涂装颜色、涂装图片样式、涂装文字等信息以及车辆的品牌、车辆的形状、车辆的尺寸等涂装信息。
S204,基于三维信息和涂装信息,对车辆进行三维涂装建模,生成车辆的涂装数据。
在一些实现中,服务器可以根据车辆的三维信息确定车辆的形状和尺寸,进而建立车辆的三维模型;根据涂装信息可以确定用于涂装的颜色、涂装图片样式、涂装文字标识等信息。进一步地,将涂装信息渲染到车辆的三维模型上,从而生成车辆的涂装数据。
可选地,可以使用三维涂装建模模型,根据车辆的三维模型以及涂装信息对车辆进行三维涂装建模,生成涂装后的三维造型,作为车辆的涂装数据。车辆的涂装数据可以包括车辆涂装的颜色、车辆上涂装的图片信息以及大小和位置、车辆涂装的标识等。
S205,将车辆的涂装数据反馈给车载客户端。
步骤S205的相关内容可参见上述实施例,这里不再赘述。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图3为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图3所示,该车辆的涂装数据的获取方法,可包括:
S301,接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息。
步骤S301的相关内容可参见上述实施例,这里不再赘述。
S302,对结构信息进行编码,得到第一编码信息。
在一些实现中,通过接收车载客户端发送的车型选取信息,并基于车型选取信息,获取车辆的属性信息。对属性信息进行提取得到车辆的结构信息。其中,车辆的属性信息可以包括车辆的三维数据、车辆的车标、车型等信息。
可选地,服务器可以通过编码模型对车辆的结构信息进行潜在空间编码,得到结构信息的潜在空间向量表示,也就是第一编码信息。
S303,对涂装风格关键词进行编码,得到第二编码信息。
在一些实现中,若用户仅输入涂装提示信息,可以从车载客户端发送的涂装提示信息中提取第一关键信息的涂装风格词作为车辆的涂装风格关键词。
在另一些实现中,若用户在输入涂装提示信息的同时选择涂装风格,可以基于车载客户端发送的风格选取信息,确定候选风格关键词,从车载客户端发送的涂装提示信息中提取第一关键信息。进一步地,根据第一关键信息对候选风格关键词进行补偿,得到车辆的涂装风格关键词。
可选地,服务器可以通过编码模型对车辆的涂装风格关键词进行潜在空间编码,得到涂装风格关键词的潜在空间向量表示,也就是第二编码信息。
S304,对涂装主题词进行编码,得到第三编码信息。
在一些实现中,可以从车载客户端发送的涂装提示信息中提取第一关键信息,并根据第一关键信息,得到车辆的涂装主题词。其中,第一关键信息不仅仅是车辆的涂装主题词,也包含了车辆的涂装风格词。例如,涂装提示信息为“带有海浪的淡蓝色的海洋奇幻风格”,第一关键信息包括了“海洋”风格和“奇幻”主题,则车辆的涂装主题词为“奇幻”。
可选地,服务器可以通过编码模型对车辆的涂装主题词进行潜在空间编码,得到涂装主题词的潜在空间向量表示,也就是第三编码信息。
S305,对涂装辅助关键词进行编码,得到第四编码信息。
在一些实现中,可以从车载客户端发送的涂装提示信息中提取第二关键信息,并根据第二关键信息,得到车辆的涂装辅助关键词。其中,第二关键信息可以是风格和主题的辅助词,以便使车辆最终的涂装效果满足用户需求。例如,涂装提示信息为“带有海浪的淡蓝色的海洋奇幻风格”,第二关键信息包括“海浪”和“淡蓝色”,则车辆的涂装辅助关键词为“海浪”和“淡蓝色”。可选地,服务器可以通过编码模型对车辆的涂装辅助关键词进行潜在空间编码,得到涂装辅助关键词的潜在空间向量表示,也就是第四编码信息。
需要说明的是,根据用户的输入信息确定的涂装风格关键词、涂装主题词和涂装辅助关键词,在进行潜在空间编码时,需针对涂装风格关键词、涂装主题词和涂装辅助关键词中的任一类词进行扩展,以得到多个相似词。
可选地,可以对任一类词进行相似词确定,并基于任一类词和任一类词的相似词进行编码,得到任一类词对应的编码信息。例如,确定的涂装风格关键词为“复古”,可以确定“复古”相似词为“怀旧”、“仿古”等,进而对“复古”、“怀旧”和“仿古”进行编码,得到涂装风格关键词对应的编码信息。由此,本公开基于任一类词和任一类词的相似词进行编码,有助于编码器理解词语的语义信息,不仅丰富了编码信息,而且可以生成更准确的编码信息,进而满足用户涂装的需求。
S306,基于多个维度的编码信息,获取车辆的涂装数据,并反馈给车载客户端。
步骤S306的相关内容可参见上述实施例,这里不再赘述。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
在上述实施例的基础之上,本公开实施例可以对获取第三编码信息的过程进行解释说明。
如图4所示,该获取第三编码信息的过程,可包括:
S401,从车载客户端发送的涂装提示信息中提取第一关键信息,并根据第一关键信息,得到车辆的涂装主题词。
可以理解的是,用户在车载客户端输入提示词,作为涂装提示信息,服务器可以从车载客户端发送的涂装提示信息中提取第一关键信息,并根据第一关键信息,得到车辆的涂装主题词。例如,用户输入“车辆外观要酷炫的暗夜风”,服务器接收该提示信息,并从中提取第一关键信息“酷炫”、“暗夜”,则车辆的涂装主题词为“酷炫”。
S402,判断主题数据库中是否存在涂装主题词对应的目标主题。
在一些实现中,在得到车辆的涂装主题词后,可以通过不同的查询方法,从主题数据库的多个候选主题中查询是否存在涂装主题词对应的目标主题。
可选地,可以通过结构化查询语句,在主题数据库中查询是否存在涂装主题词对应的目标主题。
S403,若主题数据库中存在目标主题,对涂装主题词进行编码,得到第三编码信息。
步骤S403的相关内容可参见上述实施例,这里不再赘述。
S404,若主题数据库中未存在目标主题,采集与目标主题相关的主题样本图像,并基于主题样本图像对第一主题编码器进行训练,得到第二主题编码器。
可以理解的是,若未能在主题数据库中查询到涂装主题词对应的目标主题,则确定主题数据库中未存在目标主题。进一步地,可以收集与目标主题相关的主题样本图像,作为待训练的样本图像。
可选地,可以基于采集到的主题样本图像,提取到关于主题词的信息,利用主题词对第一主题编码器进行训练,得到训练后的第二主题编码器。可以理解的是,第二主题编码器可以对车辆当前输入的涂装主题词进行编码。
S405,基于第二主题编码器,得到涂装主题词的第三编码信息。
可选地,可以基于训练好的第二主题编码器,对车辆的涂装主题词进行潜在空间编码,得到涂装主题词的潜在空间向量表示,也就是第三编码信息。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图5为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图5所示,该车辆的涂装数据的获取方法,可包括:
S501,接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息。
步骤S501的相关内容可参见上述实施例,这里不再赘述。
S502,对各维度的涂装相关信息进行编码,得到各维度对应的编码信息。
在一些实现中,多个维度的涂装相关信息包括:车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。可以对各维度的涂装相关信息分别进行潜在空间编码,可以得到各维度对应的编码信息,也就是是第一编码信息、第二编码信息、第三编码信息以及第四编码信息。
S503,对第一编码信息至第四编码信息进行编码信息融合,得到融合编码信息。
可选地,可以使用加权方式将第一编码信息至第四编码信息进行拼接,得到融合编码信息。
S504,将融合编码信息输入预训练的涂装生成模型中,由涂装生成模型基于融合编码信息进行主题扩散生成,得到车辆的涂装元素。
在一些实现中,可以预先训练一个涂装生成模型,该模型可以根据输入的编码信息得到车辆的涂装元素。其中,涂装元素包括车辆的涂装信息和车辆的三维信息。车辆的涂装信息可以是涂装颜色、涂装图片样式、涂装文字等信息;车辆的三维信息可以是车辆的品牌、车辆的形状、车辆的尺寸等信息。
可选地,将融合编码信息输入到预训练的涂装生成模型中,涂装生成模型可以基于融合编码信息进行主题扩散生成,生成具有相关主题设计元素的车辆的涂装元素。
可以理解的是,预训练的涂装生成模型将输入的融合编码信息,通过逐步扩散信息的方式生成相关的涂装效果图像。由于融合编码信息包括各维度的编码信息,通过涂装生成模型进行主题扩散生成,可以输出涂装效果的相关图像,也就是车辆的涂装元素。
S505,基于三维信息和涂装信息,对车辆进行三维涂装建模,生成车辆的涂装数据,并将车辆的涂装数据反馈给车载客户端。
步骤S505的相关内容可参见上述实施例,这里不再赘述。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图6为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图6所示,该车辆的涂装数据的获取方法,可包括:
S601,获取用户输入信息,用户输入信息用于获取车辆多个维度的涂装相关信息。
在一些实现中,用户可以根据车载客户端的提示,进入文心一言车辆外观设计应用,在屏幕上输入目标车辆涂装效果,进而车载客户端可以将获取用户输入的车型选取信息、风格选取信息和涂装提示信息,发送至服务器进行车辆涂装数据的生成。
可以理解的是,从用户的输入信息中可以获取到车辆多个维度的涂装相关信息。其中,多个维度的涂装相关信息包括:车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。
S602,向服务器发送用户输入信息。
可以理解的是,车载客户端可以通过无线网络或移动网络等通信方式向服务器发送用户的输入信息。
S603,接收服务器反馈的车辆的涂装数据,其中车辆的涂装数据基于多个维度的涂装相关信息生成。
在一些实现中,车载客户端向服务器发送用户输入信息,服务器根据用户输入信息可以生成车辆的涂装数据,在生成车辆的涂装数据后,车载客户端可以接收服务器反馈的车辆的涂装数据。
需要说明的是,可以从用户输入信息中得到多个维度的涂装相关信息,基于多个维度的涂装相关信息可以生成车辆的涂装数据。
在一些实现中,在接收服务器反馈的车辆的涂装数据之后,还可以接收车辆的涂装效果展示指令,根据涂装效果展示指令,对涂装数据进行三维效果渲染和展示。进一步地,用户可以根据展示效果确定是否满足涂装需求。若涂装效果满足用户需求,用户可以将展示效果下载保存,根据此效果对车辆进行定制改造,大大节省了时间和人力成本。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图7为本公开实施例提供的一种车辆的涂装数据的获取方法的流程示意图。
如图7所示,该车辆的涂装数据的获取方法,可包括:
S701,车载客户端获取用户输入信息,用户输入信息用于获取车辆多个维度的涂装相关信息。
S702,车载客户端向服务器发送用户输入信息。
S703,服务器接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息。
S704,服务器对各维度的涂装相关信息进行编码,得到各维度对应的编码信息。
S705,服务器对各维度对应的编码信息进行编码信息融合,得到融合编码信息。
S706,服务器基于多个维度的编码信息,获取车辆的涂装数据,并反馈给车载客户端。
其中,涂装元素集合包括车辆的涂装信息和车辆的三维信息。
S707,车载客户端接收服务器反馈的车辆的涂装数据。
S708,车载客户端接收车辆的涂装效果展示指令,根据涂装效果展示指令,对涂装数据进行三维效果渲染和展示。
如图8所示的设计车辆涂装效果的流程图,用户在车载客户端输入车辆的车型信息、涂装风格信息以及涂装提示信息。车载客户端将输入的信息发送到服务器,服务器根据输入的信息得到多个维度上的涂装相关信息:车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词,分别对涂装相关信息进行编码得到第一编码信息、第二编码信息、第三编码信息以及第四编码信息。进一步地,对第一编码信息至第四编码信息进行编码信息融合,得到融合编码信息,由涂装生成模型基于融合编码信息进行主题扩散生成,得到车辆的涂装元素集合。根据涂装元素集合中车辆的涂装信息和车辆的三维信息对车辆进行三维涂装建模,生成车辆的涂装数据,并将车辆的涂装数据反馈给车载客户端。用户在车载客户端可以查看车辆的三维涂装效果展示。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
与上述几种实施例提供的车辆的涂装数据的获取方法相对应,本公开的一个实施例还提供了一种车辆的涂装数据的获取装置,由于本公开实施例提供的车辆的涂装数据的获取装置与上述几种实施例提供的车辆的涂装数据的获取方法相对应,因此上述车辆的涂装数据的获取方法的实施方式也适用于本公开实施例提供的车辆的涂装数据的获取装置,在下述实施例中不再详细描述。
图9为本公开实施例提供的一种车辆的涂装数据的获取装置的结构示意图。
如图9所示,本公开实施例的车辆的涂装数据的获取装置900,包括:第一获取模块901,编码模块902和第二获取模块903。
第一获取模块901,用于接收车载客户端发送的用户输入信息,并基于用户输入信息获取车辆多个维度上的涂装相关信息;
编码模块902,用于对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;
第二获取模块903,用于基于多个维度的编码信息,获取车辆的涂装数据,并反馈给车载客户端。
在本公开的一个实施例中,第二获取模块903,还用于:根据多个维度的编码信息,获取车辆的涂装元素集合,其中,涂装元素集合包括车辆的涂装信息和车辆的三维信息;基于三维信息和涂装信息,对车辆进行三维涂装建模,生成车辆的涂装数据。
在本公开的一个实施例中,第二获取模块903,还用于:对结构信息进行编码,得到第一编码信息;对涂装风格关键词进行编码,得到第二编码信息;对涂装主题词进行编码,得到第三编码信息;对涂装辅助关键词进行编码,得到第四编码信息。
在本公开的一个实施例中,第二获取模块903,还用于:对任一类词进行相似词确定,并基于任一类词和任一类词的相似词进行编码,得到任一类词对应的编码信息。
在本公开的一个实施例中,第二获取模块903,还用于:判断主题数据库中是否存在涂装主题词对应的目标主题;若主题数据库中未存在目标主题,采集与目标主题相关的主题样本图像;基于主题样本图像对第一主题编码器进行训练,得到第二主题编码器;基于第二主题编码器,得到涂装主题词的第三编码信息。
在本公开的一个实施例中,第二获取模块903,还用于:对第一编码信息至第四编码信息进行编码信息融合,得到融合编码信息;将融合编码信息输入预训练的涂装生成模型中,由涂装生成模型基于融合编码信息进行主题扩散生成,得到车辆的涂装元素。
在本公开的一个实施例中,第二获取模块903,还用于:接收车载客户端发送的车型选取信息,并基于车型选取信息,获取车辆的属性信息;对属性信息进行提取得到车辆的结构信息。
在本公开的一个实施例中,第二获取模块903,还用于:基于车载客户端发送的风格选取信息,确定候选风格关键词;从车载客户端发送的涂装提示信息中提取第一关键信息;根据第一关键信息对候选风格关键词进行补偿,得到车辆的涂装风格关键词。
在本公开的一个实施例中,第二获取模块903,还用于:从车载客户端发送的涂装提示信息中提取第一关键信息,并根据第一关键信息,得到车辆的涂装主题词。
在本公开的一个实施例中,第二获取模块903,还用于:从车载客户端发送的涂装提示信息中提取第二关键信息,并根据第二关键信息,得到车辆的涂装辅助关键词。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
图10为本公开实施例提供的另一种车辆的涂装数据的获取装置的结构示意图。
如图10所示,本公开实施例的车辆的涂装数据的获取装置1000,包括:获取模块1001,发送模块1002和接收模块1003。
获取模块1001,用于获取用户输入信息,用户输入信息用于获取车辆多个维度的涂装相关信息;
发送模块1002,用于向服务器发送用户输入信息;
接收模块1003,用于接收服务器反馈的车辆的涂装数据,其中车辆的涂装数据基于多个维度的涂装相关信息生成。
在本公开的一个实施例中,获取模块1001,还用于:车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。
在本公开的一个实施例中,获取模块1001,还用于:获取用户输入的车型选取信息、风格选取信息和涂装提示信息。
在本公开的一个实施例中,接收模块1003,还用于:接收车辆的涂装效果展示指令,根据涂装效果展示指令,对涂装数据进行三维效果渲染和展示。
在本公开提供的车辆的涂装数据的获取方法,通过获取用户输入信息,可以得到多个维度上的涂装相关信息,并对涂装相关信息进行编码,以便于传输和存储。进一步地,根据编码信息可以得到车辆的涂装数据,并反馈给用户,降低了设计门槛。本公开中,用户仅需通过输入车辆信息和涂装信息,即可生成涂装效果,以智能化的方式满足用户的涂装的需求,在极大的程度上减少了定制的时间成本和人力成本。进一步地,通过多个维度涂装信息,可以增加对用户涂装意图的理解,提高个性化定制涂装的准确性。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的示例电子设备1100的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序/指令或者从存储单元1106载到随机访问存储器(RAM)1103中的计算机程序/指令,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如车辆的涂装数据的获取方法。例如,在一些实施例中,车辆的涂装数据的获取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1106些实施例中,计算机程序/指令的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序/指令加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的车辆的涂装数据的获取方法的一个或多个步骤。备选地,在其他实施例中,计算单元1101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车辆的涂装数据的获取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序/指令中,该一个或者多个计算机程序/指令可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序/指令来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (31)
1.一种车辆的涂装数据的获取方法,其中,包括:
接收车载客户端发送的用户输入信息,并基于所述用户输入信息获取车辆多个维度上的涂装相关信息;
对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;
基于多个维度的所述编码信息,获取所述车辆的涂装数据,并反馈给所述车载客户端。
2.根据权利要求1所述的方法,其中,所述基于多个维度的所述编码信息,获取所述车辆的涂装数据,包括:
根据多个维度的所述编码信息,获取所述车辆的涂装元素集合,其中,所述涂装元素集合包括所述车辆的涂装信息和所述车辆的三维信息;
基于所述三维信息和所述涂装信息,对所述车辆进行三维涂装建模,生成所述车辆的涂装数据。
3.根据权利要求2所述的方法,其中,所述多个维度的涂装相关信息包括:所述车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词;
其中,所述对各维度的涂装相关信息进行编码,得到各维度对应的编码信息,包括:
对所述结构信息进行编码,得到第一编码信息;
对所述涂装风格关键词进行编码,得到第二编码信息;
对所述涂装主题词进行编码,得到第三编码信息;
对所述涂装辅助关键词进行编码,得到第四编码信息。
4.根据权利要求3所述的方法,其中,针对所述涂装风格关键词、所述涂装主题词和所述涂装辅助关键词中的任一类词;所述方法还包括:
对所述任一类词进行相似词确定,并基于所述任一类词和所述任一类词的相似词进行编码,得到所述任一类词对应的编码信息。
5.根据权利要求3所述的方法,其中,所述对所述涂装主题词进行编码,得到第三编码信息,还包括:
判断主题数据库中是否存在所述涂装主题词对应的目标主题;
若所述主题数据库中未存在所述目标主题,采集与所述目标主题相关的主题样本图像;
基于所述主题样本图像对第一主题编码器进行训练,得到第二主题编码器;
基于所述第二主题编码器,得到所述涂装主题词的所述第三编码信息。
6.根据权利要求3所述的方法,其中,所述根据多个维度的所述编码信息,获取所述车辆的涂装元素,包括:
对所述第一编码信息至所述第四编码信息进行编码信息融合,得到融合编码信息;
将所述融合编码信息输入预训练的涂装生成模型中,由所述涂装生成模型基于所述融合编码信息进行主题扩散生成,得到所述车辆的涂装元素。
7.根据权利要求3-6中任一项所述的方法,其中,所述结构信息的获取过程,包括:
接收车载客户端发送的车型选取信息,并基于所述车型选取信息,获取所述车辆的属性信息;
对所述属性信息进行提取得到所述车辆的结构信息。
8.根据权利要求3-6中任一项所述的方法,其中,所述涂装风格关键词的获取过程,包括:
基于车载客户端发送的风格选取信息,确定候选风格关键词;
从车载客户端发送的涂装提示信息中提取第一关键信息;
根据所述第一关键信息对所述候选风格关键词进行补偿,得到所述车辆的涂装风格关键词。
9.根据权利要求3-6中任一项所述的方法,其中,所述涂装主体词的获取过程,包括:
从车载客户端发送的涂装提示信息中提取第一关键信息,并根据所述第一关键信息,得到所述车辆的涂装主题词。
10.根据权利要求3-6中任一项所述的方法,其中,所述涂装辅助关键词的获取过程,包括:
从车载客户端发送的涂装提示信息中提取第二关键信息,并根据所述第二关键信息,得到所述车辆的涂装辅助关键词。
11.一种车辆的涂装数据的获取方法,其中,包括:
获取用户输入信息,所述用户输入信息用于获取车辆多个维度的涂装相关信息;
向服务器发送所述用户输入信息;
接收所述服务器反馈的所述车辆的涂装数据,其中所述车辆的涂装数据基于多个维度的所述涂装相关信息生成。
12.根据权利要求11所述的方法,其中,所述多个维度的涂装相关信息包括:所述车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。
13.根据权利要求11所述的方法,其中,所述获取用户输入信息,包括:
获取用户输入的车型选取信息、风格选取信息和涂装提示信息。
14.根据权利要求11所述的方法,其中,所述接收所述服务器反馈的所述车辆的涂装数据之后,还包括:
接收所述车辆的涂装效果展示指令,根据所述涂装效果展示指令,对所述涂装数据进行三维效果渲染和展示。
15.一种车辆的涂装数据的获取装置,包括:
第一获取模块,用于接收车载客户端发送的用户输入信息,并基于所述用户输入信息获取车辆多个维度上的涂装相关信息;
编码模块,用于对各维度的涂装相关信息进行编码,得到各维度对应的编码信息;
第二获取模块,用于基于多个维度的所述编码信息,获取所述车辆的涂装数据,并反馈给所述车载客户端。
16.根据权利要求15所述的装置,其中,所述第二获取模块,还用于:
根据多个维度的所述编码信息,获取所述车辆的涂装元素集合,其中,所述涂装元素集合包括所述车辆的涂装信息和所述车辆的三维信息;
基于所述三维信息和所述涂装信息,对所述车辆进行三维涂装建模,生成所述车辆的涂装数据。
17.根据权利要求16所述的装置,其中,所述第二获取模块,还用于:
对所述结构信息进行编码,得到第一编码信息;
对所述涂装风格关键词进行编码,得到第二编码信息;
对所述涂装主题词进行编码,得到第三编码信息;
对所述涂装辅助关键词进行编码,得到第四编码信息。
18.根据权利要求17所述的装置,其中,所述第二获取模块,还用于:
对所述任一类词进行相似词确定,并基于所述任一类词和所述任一类词的相似词进行编码,得到所述任一类词对应的编码信息。
19.根据权利要求17所述的装置,其中,所述第二获取模块,还用于:
判断主题数据库中是否存在所述涂装主题词对应的目标主题;
若所述主题数据库中未存在所述目标主题,采集与所述目标主题相关的主题样本图像;
基于所述主题样本图像对第一主题编码器进行训练,得到第二主题编码器;
基于所述第二主题编码器,得到所述涂装主题词的所述第三编码信息。
20.根据权利要求17所述的装置,其中,所述第二获取模块,还用于:
对所述第一编码信息至所述第四编码信息进行编码信息融合,得到融合编码信息;
将所述融合编码信息输入预训练的涂装生成模型中,由所述涂装生成模型基于所述融合编码信息进行主题扩散生成,得到所述车辆的涂装元素。
21.根据权利要求17-20中任一项所述的装置,其中,所述第二获取模块,还用于:
接收车载客户端发送的车型选取信息,并基于所述车型选取信息,获取所述车辆的属性信息;
对所述属性信息进行提取得到所述车辆的结构信息。
22.根据权利要求17-20中任一项所述的装置,其中,所述第二获取模块,还用于:
基于车载客户端发送的风格选取信息,确定候选风格关键词;
从车载客户端发送的涂装提示信息中提取第一关键信息;
根据所述第一关键信息对所述候选风格关键词进行补偿,得到所述车辆的涂装风格关键词。
23.根据权利要求17-20中任一项所述的装置,其中,所述第二获取模块,还用于:
从车载客户端发送的涂装提示信息中提取第一关键信息,并根据所述第一关键信息,得到所述车辆的涂装主题词。
24.根据权利要求17-20中任一项所述的装置,其中,所述第二获取模块,还用于:
从车载客户端发送的涂装提示信息中提取第二关键信息,并根据所述第二关键信息,得到所述车辆的涂装辅助关键词。
25.一种车辆的涂装数据的获取装置,其中,包括:
获取模块,用于获取用户输入信息,所述用户输入信息用于获取车辆多个维度的涂装相关信息;
发送模块,用于向服务器发送所述用户输入信息;
接收模块,用于接收所述服务器反馈的所述车辆的涂装数据,其中所述车辆的涂装数据基于多个维度的所述涂装相关信息生成。
26.根据权利要求25所述的装置,其中,所述获取模块,还用于:所述车辆的结构信息、涂装风格关键词、涂装主题词和涂装辅助关键词。
27.根据权利要求25所述的装置,其中,所述获取模块,还用于:
获取用户输入的车型选取信息、风格选取信息和涂装提示信息。
28.根据权利要求25所述的装置,其中,所述接收模块,还用于:
接收所述车辆的涂装效果展示指令,根据所述涂装效果展示指令,对所述涂装数据进行三维效果渲染和展示。
29.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-14中任一项所述的方法。
30.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-14中任一项所述的车辆的涂装数据的获取方法。
31.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1所述车辆的涂装数据的获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525055.3A CN116883096A (zh) | 2023-05-10 | 2023-05-10 | 车辆的涂装数据的获取方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310525055.3A CN116883096A (zh) | 2023-05-10 | 2023-05-10 | 车辆的涂装数据的获取方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116883096A true CN116883096A (zh) | 2023-10-13 |
Family
ID=88264978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310525055.3A Pending CN116883096A (zh) | 2023-05-10 | 2023-05-10 | 车辆的涂装数据的获取方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883096A (zh) |
-
2023
- 2023-05-10 CN CN202310525055.3A patent/CN116883096A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590865B (zh) | 图像搜索模型的训练方法及图像搜索方法 | |
CN111967224A (zh) | 对话文本的处理方法、装置、电子设备及存储介质 | |
CN112528637B (zh) | 文本处理模型训练方法、装置、计算机设备和存储介质 | |
CN105989067B (zh) | 从图片生成文本摘要的方法、用户设备及训练服务器 | |
EP4336378A1 (en) | Data processing method and related device | |
CN116152833B (zh) | 基于图像的表格还原模型的训练方法及表格还原方法 | |
CN115687664A (zh) | 中文图文检索方法及中文图文检索的数据处理方法 | |
CN116913278B (zh) | 语音处理方法、装置、设备和存储介质 | |
CN118052907A (zh) | 一种文本配图生成方法和相关装置 | |
CN117493595A (zh) | 基于大模型的图像搜索方法、装置、设备和介质 | |
CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114972910B (zh) | 图文识别模型的训练方法、装置、电子设备及存储介质 | |
CN114970666B (zh) | 一种口语处理方法、装置、电子设备及存储介质 | |
CN116775980B (zh) | 一种跨模态搜索方法及相关设备 | |
CN117034133A (zh) | 一种数据处理方法、装置、设备和介质 | |
CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN116883096A (zh) | 车辆的涂装数据的获取方法、装置及电子设备 | |
CN114913104A (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
CN114238587A (zh) | 阅读理解方法、装置、存储介质及计算机设备 | |
CN118247608B (zh) | 一种概念学习方法、图像生成方法及相关装置 | |
CN118155270B (zh) | 模型训练方法、人脸识别方法及相关设备 | |
CN118227910B (zh) | 一种媒体资源聚合方法、装置、设备及存储介质 | |
CN118230091A (zh) | 图像评价模型构建方法、评价方法、装置及存储介质 | |
CN117422068A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN118070209A (zh) | 多模态数据处理方法、电子设备及存储介质 |
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 |