基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異建模分析

杜晶晶 周東 李欣

摘? 要： 傳統(tǒng)模型輸出參數(shù)無法快速獲得產(chǎn)品外觀設(shè)計方案的初始域，為解決這一問題，提出基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異建模分析。采用連續(xù)函數(shù)提取感知差異信息，為更好實現(xiàn)模型功能特性，輸入神經(jīng)元鏈接，得到每個樣本最優(yōu)解。完成上述工作后，基于視覺傳達(dá)，將簡化后區(qū)間型參數(shù)樣本代入感知差異模型，完成基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異建模分析研究。實驗通過選取8個實驗樣本，共實驗4次，分別測試2個模型輸出參數(shù)是否能夠快速獲得產(chǎn)品外觀設(shè)計方案的初始域。實驗結(jié)果表明，所建模型輸出參數(shù)更接近設(shè)定閾值，更符合設(shè)計需求。

關(guān)鍵詞： 產(chǎn)品外觀設(shè)計; 感知差異建模; 視覺傳達(dá); 信息提取; 初始域獲取; 輸出參數(shù)測試

中圖分類號： TN911.73?34; TP54.4? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）18?0011?03

Abstract： As the output parameters of the traditional model cannot get the initial domain of product appearance design scheme quickly， the analysis on the visual communication based perception difference modeling for the design of product appearance is proposed. The information of the perception difference is extracted by means of the continuous function. The neural link is input for the better implementation of the functional characteristics of the model， so as to get the optimal solution of each sample. After completing the above work， the simplified interval parameter samples are substituted into the perception difference model on the basis of the visual communication， so that the analysis and research on the visual communication based perception difference modeling for the design of product appearance are achieved. In the experiment， 8 experimental samples were selected and 4 experiments were conducted to test whether the output parameters of the two models can quickly obtain the initial domain of the design scheme of product appearance. The experimental results show that the output parameters of the built model are closer to the set threshold and more in line with the design requirements.

Keywords： product appearance design; perception difference modeling; visual communication; information exaction; initial domain acquisition; output parameter testing

0? 引? 言

產(chǎn)品的外觀設(shè)計能夠讓人有最強烈的心理感受[1]。近幾年學(xué)者們提出，通過自動方法建立合理的設(shè)計輸入?yún)^(qū)和設(shè)計輸出區(qū)。對于復(fù)雜的產(chǎn)品外觀設(shè)計案例背景數(shù)據(jù)，往往會存在實數(shù)型數(shù)據(jù)源和圖形型數(shù)據(jù)源，使得所建立的感知差異模型達(dá)不到設(shè)計需求。本次研究主要針對產(chǎn)品外觀設(shè)計的復(fù)雜性，以及設(shè)計過程中的不確定性和迭代重復(fù)性，提出運用感知差異建模分析方法，快速找到合理的設(shè)計初始域。結(jié)合歷史案例，利用視覺傳達(dá)完成本次設(shè)計。

1? 產(chǎn)品外觀設(shè)計感知差異信息提取

使用連續(xù)函數(shù)的系數(shù)重組樣本學(xué)習(xí)，獲取實際輸出CF。確定CF后，計算CF所在范圍內(nèi)的離散點[2]。其他的樣本可以在感性差異模型中進(jìn)行補充。連續(xù)函數(shù)的核心思想是通過若干已知連續(xù)函數(shù)預(yù)測一個位置連續(xù)函數(shù)?；谏鲜隼砟睿颖究臻g與原始連續(xù)函數(shù)樣本之間的關(guān)系，其表達(dá)式為：

式中：[m]表示采集數(shù)量;[fm]表示同一空間獲取的采集數(shù)量[3]。為了提高模型性能，選擇采用函數(shù)組樣本。若有符合要求的輸入樣本，則感知差異建?？臻g過程表達(dá)式如下：

式中，[FGS]表示輸入函數(shù)個數(shù)[4]。函數(shù)樣本是在同一個離散樣本結(jié)合產(chǎn)生的，故函數(shù)間必然存在聯(lián)系。為了獲得正確的趨勢線，利用連續(xù)函數(shù)對樣本進(jìn)行聚類分析，將其抽象成一條趨勢線，見圖1。

依據(jù)函數(shù)樣本生成趨勢線，得到樣本輸出函數(shù)。由此，完成產(chǎn)品外觀設(shè)計感知差異信息提取[5]。

2? 產(chǎn)品外觀設(shè)計感知差異神經(jīng)元鏈接輸入

提取產(chǎn)品外觀設(shè)計感知差異信息后，在神經(jīng)網(wǎng)絡(luò)中，建立感知差異模型，以用于描述產(chǎn)品外觀設(shè)計的生物細(xì)胞[6]。[F1]為接收輸入部分，[L1]表示經(jīng)過調(diào)制的輸入信號，[U1]表示相鄰神經(jīng)元的鏈接輸入信號[7]。神經(jīng)元模型表達(dá)式為：

式中：[Li]表示輸入的像素灰度矩陣;[αL]表示神經(jīng)元突觸輸入矩陣;[n]表示神經(jīng)元內(nèi)部矩陣[8]。

神經(jīng)元鏈接權(quán)值矩陣的取值不同，在鏈接領(lǐng)域內(nèi)的神經(jīng)元，要通過鏈接權(quán)值鏈接，并將相連的神經(jīng)元發(fā)放脈沖，實現(xiàn)視覺感知功能。由式（3）可知，神經(jīng)元的內(nèi)部狀態(tài)變化會促進(jìn)神經(jīng)元同步發(fā)放脈沖，故需要設(shè)置時間閾值。當(dāng)閾值為0時，時間減慢，固定狀態(tài)值就會影響神經(jīng)元的變化[9]。

在調(diào)制過程中，要通過[L1]和[F1]調(diào)制，得到鏈接輸入部分的信號[10]。完成上述計算后，由式（3）得到神經(jīng)元內(nèi)部狀態(tài)值。由于輸入信號比突觸輸入信號變化速度快，需要在最短的時間內(nèi)，加快調(diào)制信號，實現(xiàn)感知差異神經(jīng)元鏈接輸入。

3? 產(chǎn)品外觀設(shè)計感知差異建模

先提取產(chǎn)品外觀設(shè)計感知差異信息，再輸入神經(jīng)元鏈接，實現(xiàn)感知差異模型功能特性后，構(gòu)建產(chǎn)品外觀設(shè)計感知差異模型，保證每個樣本都能根據(jù)最優(yōu)規(guī)則得到最優(yōu)解[11]。設(shè)計步驟如下：

首先，為了方便設(shè)計，簡化區(qū)間型參數(shù)樣本組織形式，如下所示：

式中：[Y]表示數(shù)據(jù);[X]表示樣本;[P]表示區(qū)間型參數(shù)樣本[12]。將簡化后的區(qū)間型參數(shù)樣本代入感知差異模型當(dāng)中[13]，采用3×3的領(lǐng)域，完成感知差異神經(jīng)元拓?fù)浣Y(jié)構(gòu)的設(shè)計，如圖2所示。

在輸入的過程中，要考慮外界刺激與領(lǐng)域內(nèi)的鏈接輸入，將神經(jīng)元輸入量化到一定范圍內(nèi)。當(dāng)這個神經(jīng)元相互連接后，計算每個神經(jīng)元領(lǐng)域內(nèi)發(fā)放的脈沖總強度[14]。實現(xiàn)感知差異神經(jīng)元捆綁后，要記錄神經(jīng)元關(guān)系。為了方便后續(xù)建立感知差異神經(jīng)元的有向圖，采用視覺傳達(dá)方法，確定其他執(zhí)行秩序[15]。

建立結(jié)構(gòu)矩陣，矩陣中每一行每一列都分別對應(yīng)某一神經(jīng)元，若在感知差異神經(jīng)元中存在信息失聯(lián)現(xiàn)象，就可以用矩陣中的對角線表示自身關(guān)系。重組結(jié)構(gòu)矩陣，在結(jié)構(gòu)矩陣的行表示信息輸入，列表示信息輸出。結(jié)構(gòu)矩陣中，下三角形表示信息從前到后的順序傳遞。若設(shè)計過程中存在2個原則，出現(xiàn)局部循環(huán)，在重組時，要盡量使用下三角形中的數(shù)據(jù)集;若存在死循環(huán)，就會導(dǎo)致結(jié)構(gòu)矩陣無法成為完全的下三角形。

在滿足上述兩條原則不變的基礎(chǔ)上，實現(xiàn)基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異模型的構(gòu)建。模型結(jié)構(gòu)如圖3所示。

在設(shè)計的過程中，當(dāng)A可以完成產(chǎn)品外觀設(shè)計，A2就需要任務(wù)B2的設(shè)計信息，在這種情況下，要開啟設(shè)計過程，交互完成A和B兩個設(shè)計任務(wù)。根據(jù)A和B建立相應(yīng)的感知差異模型。在設(shè)計的過程中，當(dāng)出現(xiàn)某個任務(wù)完成布置需要前一個神經(jīng)元時，需要提供信息或者是多次迭代的情況。再考慮多個神經(jīng)元之間的關(guān)系，將這些基本型定義范圍納入到模型當(dāng)中。

4? 實驗分析

為驗證模型的可行性，采用NN3混沌時間序列數(shù)據(jù)，實驗選取的數(shù)據(jù)是由函數(shù)表達(dá)式生成的，用NN3數(shù)據(jù)驗證所建模型是合理有效的。

4.1? 實驗數(shù)據(jù)

實驗中一共使用8個離散數(shù)據(jù)點，其中5個離散擬合成1個多項式，時間系數(shù)設(shè)置為-2，-1，0，1，2。將4個離散點作為構(gòu)建訓(xùn)練樣本，4個用于構(gòu)建測試樣本。實驗過程中，盡量減少訓(xùn)練離散點的規(guī)模。為了驗證規(guī)模減小與實驗結(jié)果存在直接關(guān)系，將多項式階數(shù)設(shè)置為3，樣本系數(shù)的數(shù)據(jù)設(shè)置為4。

4.2? 實驗步驟

參照式（4）擬合離散數(shù)據(jù)點，參照式（1）利用連續(xù)函數(shù)重建樣本空間，參照式（3）利用連續(xù)函數(shù)建立神經(jīng)元空間，聚類分析神經(jīng)元樣本，依據(jù)聚類模糊規(guī)則，初始化所有必要的參數(shù)，即最大迭代數(shù)、系數(shù)取值范圍等。首次迭代的代數(shù)為1，分別測試兩個模型輸出參數(shù)是否能夠獲得產(chǎn)品外觀設(shè)計方案的初始域。

4.3? 實驗結(jié)果分析

為保證實驗結(jié)果的可靠性，共進(jìn)行4次實驗，分別測試傳統(tǒng)模型和基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異模型中的輸出參數(shù)是否能夠快速獲得產(chǎn)品外觀設(shè)計方案初始域。具體參數(shù)如表1、表2所示。

經(jīng)過統(tǒng)計后，發(fā)現(xiàn)使用所建的基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異模型獲得的案例輸出參數(shù)相比傳統(tǒng)模型的平均相對誤差更小，控制在5%以內(nèi)，符合初始閾值對參數(shù)調(diào)整范圍的要求。由此證明，所建的基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異模型能夠?qū)崿F(xiàn)設(shè)計問題的建模。

5? 結(jié)? 語

針對傳統(tǒng)模型存在的問題，提出基于視覺傳達(dá)的產(chǎn)品外觀設(shè)計感知差異建模分析。先提取感知差異信息，再輸入神經(jīng)元鏈接。完成上述工作后，實現(xiàn)模型的構(gòu)建。最后，設(shè)置實驗環(huán)境和實驗數(shù)據(jù)，對比兩個模型獲得的輸出參數(shù)是否能夠快速獲得產(chǎn)品外觀設(shè)計方案的初始域。實驗結(jié)果表明所建模型符合設(shè)計需求。

參考文獻(xiàn)

[1] 朱力.基于視覺傳達(dá)的環(huán)境藝術(shù)設(shè)計感官體驗建模[J].現(xiàn)代電子技術(shù)，2018，41（11）：183?186.

[2] 丁永剛，李石君，付星，等.面向時序感知的多類別商品方面情感分析推薦模型[J].電子與信息學(xué)報，2018，40（6）：1453?1460.

[3] 彭靜，冷飛.基于視覺傳達(dá)效果的傳統(tǒng)藝術(shù)圖像重建方法研究[J].現(xiàn)代電子技術(shù)，2017，40（24）：118?120.

[4] 崔自如，彭藝.認(rèn)知無線電網(wǎng)絡(luò)中頻譜感知能耗的建模研究[J].系統(tǒng)仿真學(xué)報，2017，29（10）：2330?2335.

[5] 余玉卿，宋愛國，陳大鵬，等.用于觸摸屏圖像感知的指端力觸覺再現(xiàn)系統(tǒng)[J].儀器儀表學(xué)報，2017，38（6）：1523?1530.

[6] 孫鉑，溫旭霞，宮樹紅.基于融合壓縮感知的Landweber算法研究[J].核電子學(xué)與探測技術(shù)，2017，37（3）：242?247.

[7] 丁續(xù)達(dá)，劉瀟，金秀章.基于壓縮感知最小二乘支持向量機的NO_x軟測量模型[J].熱力發(fā)電，2018，47（3）：76?81.

[8] 葛桂麗，袁凌云，王興超.基于情境感知的用戶個性化興趣建模[J].計算機應(yīng)用研究，2017，34（4）：995?999.

[9] 董春俠，司占軍，劉建東.基于Intel RealSense的膠印機感知展示系統(tǒng)設(shè)計[J].包裝工程，2017，38（11）：204?208.

[10] 栗元邦，彭蓉，季晶晶，等.經(jīng)驗研究中情景感知需求獲取與建模系統(tǒng)文獻(xiàn)綜述[J].軟件學(xué)報，2018，29（2）：320?339.

[11] 劉嶠，韓明皓，楊曉慧，等.基于表示學(xué)習(xí)和語義要素感知的關(guān)系推理算法[J].計算機研究與發(fā)展，2017，54（8）：1682?1692.

[12] 宋揚，吳丹蓉，呂勤智.鄉(xiāng)村視覺識別系統(tǒng)設(shè)計在半山村景觀環(huán)境中的應(yīng)用設(shè)計[J].浙江工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2017，16（3）：266?271.

[13] 焦振濤，徐明明.傳統(tǒng)經(jīng)典的當(dāng)代再造：基于“Redesign”設(shè)計方法的視覺傳達(dá)設(shè)計[J].裝飾，2017（2）：112?114.

[14] 韓衛(wèi)國，蘇顏麗，祁飛鶴.基于產(chǎn)品設(shè)計系統(tǒng)思維的家電產(chǎn)品模塊化設(shè)計[J].包裝工程，2017，38（10）：115?119.

[15] 伍琴，呂健，潘偉杰，等.基于案例的文化創(chuàng)意產(chǎn)品設(shè)計方法研究[J].工程設(shè)計學(xué)報，2017，24（2）：121?133.