基于深度学习的汽车设计造型要素研究

发布时间：2024-04-22 18:31

　　文章基于文献研究和界定基于深度学习的汽车设计造型要素定义,通过将专家提出的汽车造型要素和深度学习进行的设计活动匹配,从"直接影响-间接影响"两个角度,研究了基于深度学习的汽车设计造型要素关系,提出了特征面、汽车颜色、汽车质感、法律法规与人机工程、期望造型意向形容词和基本信息六大造型要素,分析不同生成式对抗网络生成汽车图像质量,选择StyleGAN得到机器设计的汽车造型并进行案例分析,总之,明确造型要素并以此描述数据是机器可控汽车造型图像生成的前期工作。

【文章页数】：4 页

【部分图文】：

图1特征面与其他要素的有机关联

通过表3分析,深度学习可通过多种方式进行设计相关活动,主要有图像生成,图像分割,颜色识别分类,材质识别分类,自然语言处理,爬虫爬取数据等。深度学习可以通过以上相关功能获取造型学习内容并输出相应的结果。通过表2、表3的结论分析,形成深度学习与汽车造型要素匹配模型(见图2),其造型要....

图2深度学习与汽车设计造型要素匹配模型

本文通过分析整理国内外相关文献和界定基于深度学习的汽车设计造型要素定义,构建了基于深度学习的汽车设计造型要素模型,提出了特征面、汽车颜色、汽车质感、法律法规与人机工程、期望造型意向形容词和基本信息六大造型要素,从“直接影响-间接影响”两个角度,研究基于深度学习的汽车设计造型要素之....

图3生成式对抗网络BigGAN,PG-GAN,AC-GAN,StyleGAN生成图片

图2深度学习与汽车设计造型要素匹配模型图4StyleGAN里样本A和不同的样本B样式生成的汽车造型

图4StyleGAN里样本A和不同的样本B样式生成的汽车造型

图3生成式对抗网络BigGAN,PG-GAN,AC-GAN,StyleGAN生成图片本文不足之处是输入样本与输出样本的造型要素映射关系没有研究,没有用评价方法实验图像对设计师的帮助程度。未来研究方向可以是明确数据在造型要素上的部分映射关系,根据标签标注数据为可控目标造型生成做准....

本文编号：3962096