基于深度学习技术的设计创意激发方法研究

Creative idea generation is the core part of the design process. An effective creative idea stimulation method plays a significant role in innovative design. In the big data era, many image materials with potential creative stimulation abilities are still asleep. They do not provide powers in promoting the idea generation process for designers. Currently, deep learning technology has achieved superior performance in the field of large-scale image retrieval, video analysis and image generation. By adopting the deep learning technique, it will bring great opportunities for innovative design by connecting large-scale image materials with creative idea stimulation. In this project, firstly, by deep learning, a creative knowledge genealogical tree of images is constructed. Secondly, an evaluation method towards creative stimulation ability of images using eye movement, EEG, artificial evaluation, vocal thinking and in-depth interviews is designed. An image materials and creative knowledge driven design method is established. Finally, this research proposes an active intelligent design model to guide design thinking into intelligent design. By setting style transfer as an example, the active intelligent design model has been tested and optimized. The method of improving the creative stimulation ability of generated images is explored. A closed-loop and iterative evolution process among data, creative idea, and intelligent design is promoted.

创意的产生是设计过程的核心，有效的创意激发方法对创新设计至关重要。大数据时代，设计领域中大量有创意激发潜质的图像数据仍在沉睡，并未对设计师灵感的产生提供力量。目前，深度学习技术在大规模图像检索、视频分析以及图像生成等领域取得了优越的性能。因此，利用深度学习技术，建立大规模图像素材与设计创意激发之间的联系能够为创新设计带来广泛的机会。本项目以“基于深度学习技术的设计创意激发方法研究”为主题，首先，采用深度学习技术，建立以创意激发为目的的图像素材创意知识谱系树。其次，提出利用眼动，脑电，人工评价，发声思考以及深度访谈结合的方式进行素材创意激发力评价的方法，建立图像素材驱动的设计创意激发理论与方法。最后，提出主动智能设计机制，以深度学习风格迁移作为实例对主动智能设计机制进行验证与优化，探索提高生成式设计的创意激发力的方法。最终实现数据激发创意，创意思维引导智能设计的迭代进化创新过程。

创意匮乏是创新设计发展的瓶颈，而设计大数据和当前的人工智能技术为创意激发提供了难得的机遇。从设计大数据尤其是图像设计素材中挖掘有效的创意激发元素，衍生无穷创意，是推动创新设计的重要途径。目前，深度学习技术在大规模图像检索，视频分析以及图像生成等领域取得了优越的性能，为设计领域存在的大量散乱的图像素材的组织和管理提供了有效的技术工具，为具有高层抽象语意的设计知识分类的学习提供了难得的机遇。.本研究主要采用“设计理论研究-数据标注-设计数据识别-设计过程优化”几个模式，对大数据时代设计方法进行优化。整个研究从两个方面设计数据入手，分别是设计创意数据和设计情感数据。.在设计创意数据部分，首先根据实验证明，在整个设计过程中，设计思考的收敛阶段是最适合施加图像刺激的，基于这一结果，我们对设计相关素材进行了创意激发力的标注，最终获得了24,000高创意激发力图像库，最终采用典型相关性分析方法实现设计创意数据的识别。基于这一结果，对设计方法进行优化，建立了LOGO设计创意激发平台原型。该方法能够有效提高设计教育和设计实践的效率。在设计情感数据部分，首先基于诺曼的设计情感理论，获取设计情感的11个典型词汇，选取专业设计人员对图形图像的设计情感进行标注，在获取了包含2000张设计情感的图像库后，以此作为学习素材，借助于当前的深度学习技术，可以让机器自动提取图片特征，达到智能判别图像情感分布的目的。并建立设计图像情感识别平台，以及情感驱动的设计方法。该研究核心都是围绕着“设计理论研究-设计特征标注-图库建立-特征识别-设计优化”的步骤，对设计的抽象特征的提取具有积极作用，有助于实现情感化设计内容。

内容获取失败，请点击重试