人工智能驱动的方法，自动发现产品设计中与品牌相关的特征

　　当涉及到产品设计时，品牌一致性是跨产品线成功的关键之一，管理品牌的本质并与利润呈正相关。依靠每年发布下一代机型的公司面临着设计一款产品的挑战，既要从已经上架的产品中脱颖而出，又要体现品牌。

　　卡内基梅隆大学的研究人员希望通过引入一种完全自动化的深度学习架构来减轻产品设计师的负担，这种架构可以识别与视觉品牌相关的特征。该模型被称为BIGNet，即品牌识别图神经网络，使用产品的SVG图像进行训练。

　　为了识别视觉品牌，BIGNet在产品图像上可能有数千条曲线中找出一致性。这项研究发表在《机械设计杂志》上。

　　机械工程博士候选人陈宇轩(Yu-hsuan“Sean”Chen)解释说:“在BIGNet出现之前，没有任何现有的方法可以使用机器学习自动提取与风格相关的特征。”“设计师在他们的头脑中创造了规则，但他们很难表达出来，并且很难在产品线之间转移。”

　　该团队在不同的产品上测试了BIGNet，例如流行的手机品牌苹果和三星。该模型在区分两者方面有100%的准确率，识别出特定的特征，如屏幕间隙和相机镜头位置，以表明一个品牌而不是另一个品牌。

　　为了展示BIGNet在不同产品和设计尺度上的适应性和通用性，该团队将BIGNet与10个汽车品牌进行了比较。该模型对奥迪(Audi)、宝马(BMW)和梅赛德斯-奔驰(Mercedes Benz)的识别准确率最高，证实了豪华汽车制造商的品牌一致性优于经济型汽车。

　　“这项技术可以为领域专家节省大量时间。公司将不再需要依靠与他们一起工作了20多年的人来了解品牌。”

　　目前，BIGNet是用二维直上图像实现的。研究人员渴望将他们的测试扩展到3D成像，并希望开发出不仅仅是识别品牌标识的模型。例如，哪些细节构成了一辆“肌肉”车和一辆“肌肉”车。“运动”。

　　“在通过设计语言形式化品牌的领域工作了近30年，我发现BIGNet使用ML来发现品牌语言的潜力是一个令人兴奋的进步，有许多潜在的应用方向，”主要作者兼机械工程系负责人Jon Cagan说。

　　更多信息:陈玉萱等，BIGNet:基于几何可解释性的品牌识别深度学习架构，机械设计学报(2023)。DOI: 10.1115/1.4063760由卡内基梅隆大学机械工程提供引文:人工智能驱动的方法，自动发现产品设计中的品牌相关特征(2024年1月19日)检索自2024年1月19日https://techxplore.com/news/2024-01-ai-driven-method-automate-discovery.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。