室内设计中的美学偏好预测:模糊方法
我们提出了一种量化评估所有感知对颜色的反应的方法:不同颜色偏好、颜色和谐以及颜色组合偏好。我们的模型通过模糊相似性和分组的比较算法提取出了和谐的调色板,可用于对多彩图像的和谐和偏好进行有用的预测。在服装协调背景下,我们的方法可以根据服装颜色预测个人的喜好。
Aug, 2023
通过使用模糊基色模型探索了色彩和谐的普遍性,并使用模糊方法在不同领域的吸引人图片上识别了和谐模式和主导色板。实验结果表明,色彩和谐在很大程度上是普遍存在的,而且色调关系、饱和度和色彩强度对色彩和谐的影响同时起到重要作用。
Oct, 2023
本研究提出了一种预测图像美学得分分布的新型网络架构及其训练方法,该模型在使用单一模型仅进行分布预测任务的情况下,在标准的 AVA 大规模基准数据集上实现了美学质量分类、美学得分回归和美学得分分布预测三个任务的最新成果。同时,我们还介绍了一种改变图像预测美学的方法,并使用这种修改来了解我们的模型。
Aug, 2017
本文研究摄影网站的个性化照片推荐,并提出两种基于颜色空间和深度风格迁移嵌入的美学特征提取方法,使用 500px 数据集进行评估,结果表明第二种方法在照片推荐性能方面有显着提高。
Aug, 2018
通过模糊集合的方法,本研究介绍了一种新颖的方法来分类艺术中的情感。我们使用模糊方法来对情感进行分类,因为它与人类判断的不精确和主观的特性相契合。通过提取与特定情感相关联的模糊主导颜色,将这些颜色转化为扑朔领域,得到基于颜色 - 情感关联的知识库。研究结果显示了特定情感与颜色之间的强烈关联,例如,感激之情与绿色、棕色和橙色强相关。该研究为艺术领域中颜色 - 情感关联的理论理解作出了贡献,并为市场营销、设计和心理学等各种实际应用提供了有价值的见解。
Nov, 2023
本文提出了一种支持专业室内设计师制作产业室内装饰解决方案并满足业主个性化偏好的辅助模型,其由抽象图提取、条件图生成和条件场景实例化组成,同时提供一个包含来自专业设计师的 11000 个实例设计的室内布局数据集,实验结果表明该模型相对于最先进的方法的效果。
Aug, 2020
本文讨论如何自动化地生成美观的照片拼贴画,利用主观实验来学习和建模用户偏好,设计了一个实验框架来识别生成美观照片拼贴画需要考虑的标准,使用五个不同的主题照片数据集创建拼贴画,并通过考虑到用户对它们的偏好来学习新的全局和局部标准。经过多次心理视觉实验的验证,发现使用该框架创建的拼贴画与现有的两种方法相比,被多数用户更喜欢。
Jun, 2015
通过对 12 个不同美学评分数据集的比较,本文发现不同数据集中的美学评分可预测性存在显著差异,并发现照片和绘画的美学评价具有一致性,但这些差异也在一定程度上对单一数据集的研究结果具有普适性的假设提出了质疑。
Jul, 2023
该文研究了基于数据驱动的方法对 3D 家具模型和室内场景进行着色,并使用互联网上的室内图像进行引导。使用图像引导网格分割将模型分成不同的部分,以提高着色效果,并以马尔可夫随机场模型实现一致的着色方案。实验结果表明,该系统可以产生与室内设计师生成的结果相媲美且具有说服力的结果。
Feb, 2017
通过进行一系列实验,我们发现现有的图像质量评估指标并不能正确地代表人们对光照估计方法的偏好,然而通过综合学习多个指标,我们可以更准确地表示人类的首选项,从而为评估未来的光照估计算法提供了新的感知框架。
Dec, 2023