亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法與流程

文檔序號(hào):11950614閱讀:411來源:國知局
基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法與流程

本發(fā)明涉及對(duì)室內(nèi)的家具顏色進(jìn)行自動(dòng)化搭配設(shè)計(jì)的技術(shù)領(lǐng)域,尤其是指一種基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法。



背景技術(shù):

在室內(nèi)設(shè)計(jì)中,除了考慮家具的布局,顏色設(shè)計(jì)也是一個(gè)很重要的因素。心理學(xué)研究指出顏色能夠影響人的心情,能夠激發(fā)人的某種情感。比如,暖色通常給人以暖意和積極向上的情緒;而冷色則令人感覺到清涼。在對(duì)空間的影響上,冷色能夠擴(kuò)展小房間的空間距離;暖色使得一個(gè)大房間看起來充滿活力。然而,對(duì)一個(gè)3維空間的物體進(jìn)行著色是一個(gè)很有挑戰(zhàn)的問題。需要考慮的因素包括居住人的喜好、房間的功能、顏色對(duì)空間的影響、顏色搭配以及顏色本身等。

傳統(tǒng)的室內(nèi)設(shè)計(jì)有許多可用的經(jīng)驗(yàn)規(guī)則。比如,對(duì)房間的著色從整個(gè)場(chǎng)景的顏色印象開始,或者是利用顏色彌補(bǔ)空間的缺陷開始(冷暖色的收縮和膨脹感),或者按照一定的順序:墻面和地板等背景色、主角色、輔助色和點(diǎn)綴色這四個(gè)角色依次著色,并在著色過程中考慮他們之間的配色關(guān)系。即使對(duì)于一個(gè)專業(yè)的設(shè)計(jì)者而言,通過人工確定房間各家具的顏色是一件相當(dāng)困難和繁瑣的任務(wù)。特別對(duì)于沒有經(jīng)過訓(xùn)練的普通用戶,為房間內(nèi)的家具選擇一個(gè)顏色就更加困難了。所以,自動(dòng)顏色推薦系統(tǒng)對(duì)于幫助非專業(yè)的普通用戶設(shè)計(jì)室內(nèi)空間起著非常重要的意義和作用。

目前,也有一些類似的顏色搭配的工作。不過,應(yīng)用場(chǎng)景不一樣。有的是對(duì)3D物體的不同部件進(jìn)行著色[A.Jain,T.Thormahlen,T.Ritschel,H.-P.Seidel,Material memex:automatic material suggestions for 3d objects,ACM Transactions on Graphics(TOG)31(6)(2012)143.],有的是對(duì)2D圖像的圖案進(jìn)行顏色搭配設(shè)計(jì)[S.Lin,D.Ritchie,M.Fisher,P.Hanrahan,Probabilistic color-by-numbers:Suggesting pattern colorizations using factor graphs,ACM Transactions on Graphics(TOG)32(4)(2013)37.],也有的為3D室內(nèi)場(chǎng)景提供材質(zhì)推薦[K.Chen,K.Xu,Y.Yu,T.-Y.Wang,S.-M.Hu,Magic decorator:automatic material suggestion for indoor digital scenes,ACM Transactions on Graphics(TOG)34(6)(2015)232.],但是它們都沒有涉及裝修風(fēng)格。而實(shí)際上,在房子裝修和選擇家具時(shí),房子主人都會(huì)考慮自己對(duì)顏色和風(fēng)格的喜好而選用不同的風(fēng)格類型。因此,本系統(tǒng)提供了不同風(fēng)格的選擇,從而為室內(nèi)場(chǎng)景推薦家具的顏色搭配方案。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的在于克服目前室內(nèi)場(chǎng)景的顏色設(shè)計(jì)主要依賴于手工設(shè)計(jì),其他的自動(dòng)的方式要么應(yīng)用于復(fù)雜物體零部件的著色,要么只是給出沒有裝修風(fēng)格設(shè)計(jì)的一般場(chǎng)景的材質(zhì)推薦的問題,提供了一種基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法,能夠按照家居裝飾風(fēng)格對(duì)顏色的用色偏好,實(shí)現(xiàn)家具顏色的自動(dòng)搭配。

為實(shí)現(xiàn)上述目的,本發(fā)明所提供的技術(shù)方案為:基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法,包括以下步驟:

1)室內(nèi)風(fēng)格和顏色設(shè)計(jì)方案的收集

從現(xiàn)有的室內(nèi)裝修服務(wù)網(wǎng)站上下載不同風(fēng)格和不同房間類型的顏色設(shè)計(jì)方案(圖片),作為用于機(jī)器學(xué)習(xí)的數(shù)據(jù)庫;

2)對(duì)下載的設(shè)計(jì)方案進(jìn)行標(biāo)注

逐個(gè)場(chǎng)景,人工提取每個(gè)家具的顏色,包括墻面、地板的顏色;

3)對(duì)每類物體的顏色進(jìn)行聚類

提取場(chǎng)景中物體的分類,對(duì)每類物體的顏色進(jìn)行兩個(gè)層次的聚類,先按照不同的風(fēng)格,對(duì)每種類型的家具進(jìn)行一次聚類,接著,根據(jù)每種家具在匯總所有風(fēng)格的顏色聚類結(jié)果下,對(duì)每種家具的顏色再聚類一次;

4)訓(xùn)練貝葉斯網(wǎng)絡(luò)

通過標(biāo)注得到的顏色及其聚類的結(jié)果,進(jìn)行預(yù)處理得到每個(gè)場(chǎng)景的記錄,利用這些數(shù)據(jù)訓(xùn)練貝葉斯網(wǎng)絡(luò),得到貝葉斯網(wǎng)絡(luò)模型及其條件概率分布;

5)為3D室內(nèi)場(chǎng)景進(jìn)行顏色推薦

建立虛擬的3D場(chǎng)景,并利用步驟4)中得到條件概率分布和步驟3)中關(guān)于風(fēng)格的聚類結(jié)果,建立符合顏色搭配設(shè)計(jì)的目標(biāo)函數(shù),使用模擬退火算法優(yōu)化,為家居場(chǎng)景中的各家具推薦出著色方案;

6)顏色多樣化調(diào)整

在步驟5)中得出的每個(gè)家具的顏色種類有限,為了多樣化而又不失去原來風(fēng)格的設(shè)計(jì),使用PCA得出每個(gè)顏色種類的局部坐標(biāo)(對(duì)應(yīng)于RGB的主成分),在這個(gè)局部坐標(biāo)下對(duì)顏色做擾動(dòng),生成其他豐富的顏色;

7)設(shè)計(jì)得到的顏色遷移到紋理上,并將紋理貼在3D場(chǎng)景模型上

將步驟6)中得到的每個(gè)家具的顏色首先遷移到用戶任意選擇的紋理上,再將顏色遷移后的紋理映射到單個(gè)3D模型上。

以下對(duì)每個(gè)步驟進(jìn)行詳細(xì)的說明。

在步驟2)中,需要專門的標(biāo)注程序,首先對(duì)下載的圖片中的每個(gè)家具利用“框選”操作提取其顏色。選擇框的大小,由標(biāo)注人員根據(jù)圖片中家具的大小而定?!翱蜻x”的結(jié)果是家具的某部分像素區(qū)域,計(jì)算出區(qū)域的顏色像素平均值即可得該標(biāo)注的家具的主要顏色。保存時(shí),以每個(gè)場(chǎng)景為單位,視為一條記錄。在一條記錄中,記錄場(chǎng)景編號(hào)、場(chǎng)景類型、裝修風(fēng)格(記為S)以及每個(gè)家具標(biāo)注得到的顏色。

在步驟3)中,為了使家具聚類后得到的顏色種類更接近每類風(fēng)格,對(duì)家具的顏色實(shí)行兩個(gè)層次的聚類。首先,根據(jù)風(fēng)格的分類,即在某種風(fēng)格下,使用K-means方法對(duì)每類家具的顏色分別聚類一次,得到了在風(fēng)格S下,第k類家具的顏色聚類結(jié)果,記為k=1,...,N;接著,根據(jù)每種家具在匯總所有風(fēng)格的顏色聚類結(jié)果下,對(duì)每種家具的顏色再聚類一次;

聚類中心的選擇:通過設(shè)置聚類中心個(gè)數(shù)從2到9的區(qū)間變化,觀察所有樣本點(diǎn)離其對(duì)應(yīng)的聚類中心的平均權(quán)重距離的曲線趨勢(shì)是否穩(wěn)定來確定的。例如,如果聚類個(gè)數(shù)為5時(shí),所有樣本點(diǎn)離其對(duì)應(yīng)的聚類中心的平均權(quán)重距離的曲線是個(gè)轉(zhuǎn)折點(diǎn);之后,所有樣本點(diǎn)離其對(duì)應(yīng)的聚類中心的平均權(quán)重距離值趨于穩(wěn)定,那么聚類個(gè)數(shù)就選擇5。

在步驟4)中,經(jīng)步驟3)得到每個(gè)家具的顏色后,需要重新處理原來保存的場(chǎng)景記錄,即將對(duì)每個(gè)家具標(biāo)注得到的原始家具顏色替換為顏色聚類后得到與其對(duì)應(yīng)的某種顏色(聚類中心)。替換的結(jié)果記為:D={di,i=1,2,...,M},其中,緊接著,將得到的場(chǎng)景記錄用于訓(xùn)練TAN貝葉斯網(wǎng)絡(luò),建立與場(chǎng)景記錄數(shù)據(jù)一致的網(wǎng)絡(luò)結(jié)構(gòu)以及計(jì)算出條件分布概率表。

記B=<G,Θ>為TAN貝葉斯網(wǎng)絡(luò),G表示一個(gè)有向無環(huán)圖,Θ表示參數(shù)集。其中,G包含15個(gè)隨機(jī)變量節(jié)點(diǎn)(記為{A0,A1,...,Ak})和節(jié)點(diǎn)間的有向邊集。特別地,A0表示為類別節(jié)點(diǎn),Ak表示第k個(gè)類型的家具;Θ具體表示為依附于節(jié)點(diǎn)上的概率,即對(duì)于變量Ak的可能取值ak∈Ck(Ck為第k類家具可以選擇的顏色種類的集合)及其父節(jié)點(diǎn)的可能取值都有其中,代表Ak的父節(jié)點(diǎn)集合。

創(chuàng)建TAN貝葉斯網(wǎng)絡(luò):首先,建立最大權(quán)重生成樹。生成樹中兩個(gè)節(jié)點(diǎn)間的權(quán)重為條件互信息量,按如下計(jì)算方式:

<mrow> <mi>I</mi> <mrow> <mo>(</mo> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>A</mi> <mi>j</mi> </msub> <mo>|</mo> <msub> <mi>A</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mo>&Sigma;</mo> <mrow> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>&Element;</mo> <msub> <mi>C</mi> <mi>k</mi> </msub> </mrow> </munder> <munder> <mo>&Sigma;</mo> <mrow> <msub> <mi>a</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>&Element;</mo> <msub> <mi>C</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow> </munder> <munder> <mo>&Sigma;</mo> <mrow> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>&Element;</mo> <mi>S</mi> </mrow> </munder> <mover> <msub> <mi>P</mi> <mi>S</mi> </msub> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>,</mo> <msub> <mi>a</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>|</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mfrac> <mrow> <mover> <msub> <mi>P</mi> <mi>S</mi> </msub> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>,</mo> <msub> <mi>a</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>|</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mover> <msub> <mi>P</mi> <mi>S</mi> </msub> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mi>k</mi> </msub> <mo>|</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mover> <msub> <mi>P</mi> <mi>S</mi> </msub> <mo>^</mo> </mover> <mrow> <mo>(</mo> <msub> <mi>a</mi> <mrow> <mi>&pi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>|</mo> <msub> <mi>a</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>

其中,表示經(jīng)驗(yàn)分布,實(shí)現(xiàn)上,統(tǒng)計(jì)頻率作為其概率。

接著,選擇其中一個(gè)節(jié)點(diǎn)為根,將生成樹轉(zhuǎn)換為有向樹,方向從根指向其他節(jié)點(diǎn)。然后,加入類別節(jié)點(diǎn),并且增加從類別節(jié)點(diǎn)到每個(gè)屬性節(jié)點(diǎn)的有向邊。這就建立起了TAN貝葉斯網(wǎng)絡(luò)。最后,根據(jù)建立的TAN網(wǎng)絡(luò)和預(yù)處理得到的數(shù)據(jù)D,利用經(jīng)驗(yàn)概率分布,計(jì)算出整個(gè)貝葉斯網(wǎng)絡(luò)的概率分布。

在步驟5)中,可以讓用戶指定某個(gè)(些)家具類別的顏色。將被用戶指定顏色的家具類別集合,記為K;未知顏色的家具類別記為U。不失一般性,記ak∈Ck由算法指定的某種顏色,其中k∈U。對(duì)于所有k∈U需要找到一個(gè)映射:Ak→ak。最后,把對(duì)場(chǎng)景中每個(gè)家具的顏色選擇表達(dá)為最小化目標(biāo)函數(shù)的問題:

E(Φ)=w1Eindiv(Φ)+w2Ejoint(Φ)+w3Eclose(Φ) (1)

式中,Φ={Ak,k∈U}。

在總目標(biāo)函數(shù)中,定義了3個(gè)子目標(biāo):

①最大化單個(gè)家具顏色出現(xiàn)的概率。在給定用戶為某個(gè)(些)家具選擇的顏色條件下,為其他單個(gè)家具選擇某顏色的條件概率定義為P(Ak|{Aj=aj,j∈K})。該目標(biāo)試圖為每個(gè)家具選擇的顏色在訓(xùn)練數(shù)據(jù)中出現(xiàn)的概率盡可能大,即最小化下面的目標(biāo)函數(shù):

<mrow> <msub> <mi>E</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>d</mi> <mi>i</mi> <mi>v</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>&Phi;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mn>1</mn> <mrow> <mo>|</mo> <mi>U</mi> <mo>|</mo> </mrow> </mfrac> <munder> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>K</mi> </mrow> </munder> <mi>P</mi> <mrow> <mo>(</mo> <msub> <mi>A</mi> <mi>k</mi> </msub> <mo>|</mo> <mo>{</mo> <msub> <mi>A</mi> <mi>j</mi> </msub> <mo>=</mo> <msub> <mi>a</mi> <mi>j</mi> </msub> <mo>,</mo> <mi>j</mi> <mo>&Element;</mo> <mi>K</mi> <mo>}</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

②最大化家具間顏色搭配的聯(lián)合概率。為每個(gè)家具選擇顏色,使得整個(gè)場(chǎng)景的顏色搭配看起來是協(xié)調(diào)的。即在訓(xùn)練數(shù)據(jù)中,最經(jīng)常出現(xiàn)的家具顏色搭配,選擇聯(lián)合概率最高的顏色組合:

Ejoint(Φ)=1-P({Ak,k∈U}|{Al=al,l∈K}) (3)

③最小化與裝飾風(fēng)格(顏色)的距離。在室內(nèi)裝飾實(shí)踐中,裝飾風(fēng)格一般由用戶指定,即A0∈C0已知。每種裝飾風(fēng)格都有其偏好的幾種顏色。為了使賦予每個(gè)家具的顏色在整體上盡可能跟裝飾風(fēng)格一致,需要約束每種家具的顏色與所選擇的裝飾風(fēng)格的主要顏色越接近越好,即

<mrow> <msub> <mi>E</mi> <mrow> <mi>c</mi> <mi>l</mi> <mi>o</mi> <mi>s</mi> <mi>e</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>&Phi;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mo>|</mo> <mi>U</mi> <mo>|</mo> </mrow> </mfrac> <munder> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>U</mi> </mrow> </munder> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mo>{</mo> <mfrac> <mn>1</mn> <mrow> <mn>255</mn> <msqrt> <mn>3</mn> </msqrt> </mrow> </mfrac> <mo>|</mo> <mo>|</mo> <msub> <mi>A</mi> <mi>k</mi> </msub> <mo>-</mo> <mi>c</mi> <mo>|</mo> <mo>|</mo> <mo>,</mo> <mi>c</mi> <mo>&Element;</mo> <msubsup> <mi>C</mi> <mi>k</mi> <msub> <mi>A</mi> <mn>0</mn> </msub> </msubsup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>

本發(fā)明與現(xiàn)有技術(shù)相比,具有如下優(yōu)點(diǎn)與有益效果:

1、本發(fā)明方法引入了室內(nèi)設(shè)計(jì)領(lǐng)域關(guān)于裝飾風(fēng)格的概念。在學(xué)習(xí)的數(shù)據(jù)集時(shí),按照裝飾風(fēng)格進(jìn)行分類。所訓(xùn)練的貝葉斯網(wǎng)絡(luò)模型可以編碼裝飾風(fēng)格與各家具顏色之間的內(nèi)在聯(lián)系。這樣,使得系統(tǒng)推薦出來的家具顏色跟裝飾風(fēng)格所偏好的顏色一致,符合設(shè)計(jì)師們的設(shè)計(jì)效果。

2、本發(fā)明方法利用貝葉斯網(wǎng)絡(luò)從優(yōu)秀室內(nèi)設(shè)計(jì)方案中學(xué)習(xí)家具顏色之間的搭配關(guān)系,使得系統(tǒng)推薦得到的室內(nèi)場(chǎng)景中的家具顏色搭配看起來協(xié)調(diào)、好看,符合美觀的設(shè)計(jì)需求。

3、本發(fā)明方法可將顏色遷移到用戶喜歡的紋理上,特別適合于目前流行的產(chǎn)品定制需求。本系統(tǒng)推薦出室內(nèi)協(xié)調(diào)的顏色,用戶可以選擇自己喜歡的紋理,將顏色的主色調(diào)遷移到選擇的紋理上,滿足用戶的個(gè)性化需求。

附圖說明

圖1為本發(fā)明方法的流程圖。

圖2為本發(fā)明收集得到的一個(gè)室內(nèi)設(shè)計(jì)方案(圖片)的例子。

圖3為本發(fā)明對(duì)下載的設(shè)計(jì)方案(圖片)進(jìn)行標(biāo)注的界面。

圖4為本發(fā)明對(duì)標(biāo)注得到的家具顏色進(jìn)行聚類的部分結(jié)果圖。

圖5為本發(fā)明的一個(gè)實(shí)施例對(duì)貝葉斯網(wǎng)絡(luò)模型訓(xùn)練得到的結(jié)果圖(只展示主要節(jié)點(diǎn)和關(guān)鍵邊)。

圖6為本發(fā)明的一個(gè)實(shí)施例的顏色擾動(dòng)前后的對(duì)比圖。

圖7為本發(fā)明的一個(gè)實(shí)施例在加入紋理前后的比較圖。

圖8為本發(fā)明的一個(gè)實(shí)施例推薦的中式風(fēng)格的效果圖。

圖9為本發(fā)明的一個(gè)實(shí)施例推薦的歐式風(fēng)格的效果圖。

圖10為本發(fā)明的一個(gè)實(shí)施例推薦的現(xiàn)代風(fēng)格的效果圖。

圖11為本發(fā)明的一個(gè)實(shí)施例推薦的新實(shí)用主義風(fēng)格的效果圖。

圖12為本發(fā)明的一個(gè)實(shí)施例推薦的田園風(fēng)格的效果圖。

圖13為本發(fā)明的推薦系統(tǒng)生成的設(shè)計(jì)方案用于5個(gè)SVM分類器得出正確分類的統(tǒng)計(jì)結(jié)果圖。

圖14為用戶評(píng)價(jià)本發(fā)明系統(tǒng)推薦的方案與原設(shè)計(jì)師設(shè)計(jì)的方案在主色調(diào)上的相似程度的平均分和95%置信度區(qū)間的統(tǒng)計(jì)結(jié)果圖。

圖15為用戶對(duì)本發(fā)明系統(tǒng)推薦的方案、邀請(qǐng)的設(shè)計(jì)師設(shè)計(jì)的方案、隨機(jī)推薦的方案的視覺質(zhì)量評(píng)價(jià)的平均分和95%置信度區(qū)間的統(tǒng)計(jì)結(jié)果圖。

圖16為用戶對(duì)本發(fā)明系統(tǒng)推薦的方案與Magic Deocorator推薦的方案的視覺質(zhì)量評(píng)價(jià)的平均分和95%置信度區(qū)間的統(tǒng)計(jì)結(jié)果圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。

如圖1所示,本實(shí)施例所述的基于貝葉斯網(wǎng)絡(luò)的室內(nèi)家居風(fēng)格與顏色搭配設(shè)計(jì)的方法,包括以下步驟:

1)室內(nèi)風(fēng)格和顏色設(shè)計(jì)方案的收集

從國內(nèi)專業(yè)的室內(nèi)裝修服務(wù)網(wǎng)站“尚品宅配”主頁上下載不同風(fēng)格和不同房間類型的顏色設(shè)計(jì)方案(圖片),作為用于機(jī)器學(xué)習(xí)的數(shù)據(jù)庫。下載的一個(gè)設(shè)計(jì)方案例子:室內(nèi)不同視角的圖片及相應(yīng)的家具類型,如圖2所示。從下載設(shè)計(jì)師方案的這些數(shù)據(jù)中,總結(jié)了三組數(shù)據(jù)的特征,如下表。

2)對(duì)下載的設(shè)計(jì)方案圖片進(jìn)行標(biāo)注

逐個(gè)場(chǎng)景,提取每個(gè)家具的顏色,包括墻面、地板的顏色。如圖3所示,這是我們開發(fā)的家具顏色標(biāo)注的軟件界面。

3)對(duì)每類物體的顏色進(jìn)行聚類

提取場(chǎng)景中物體的分類,對(duì)每類物體的顏色進(jìn)行兩個(gè)層次的聚類,先按照不同的風(fēng)格,對(duì)每種類型的家具進(jìn)行一次聚類,接著,根據(jù)每種家具在匯總所有風(fēng)格的顏色聚類結(jié)果下,對(duì)每種家具的顏色再聚類一次;最后,得到的主要家具的顏色聚類結(jié)果,如圖4所示。

4)訓(xùn)練貝葉斯網(wǎng)絡(luò)

通過標(biāo)注得到的顏色及其聚類的結(jié)果,進(jìn)行預(yù)處理得到每個(gè)場(chǎng)景的記錄,利用這些數(shù)據(jù)訓(xùn)練貝葉斯網(wǎng)絡(luò),得到貝葉斯網(wǎng)絡(luò)模型及其條件概率分布。訓(xùn)練得到的一個(gè)貝葉斯網(wǎng)絡(luò)模型示意圖,如圖5所示。

5)為3D場(chǎng)景進(jìn)行顏色推薦

建立虛擬的3D場(chǎng)景,并利用步驟4)中訓(xùn)練得到條件概率分布和步驟3)中對(duì)于家具顏色關(guān)于風(fēng)格的聚類結(jié)果,建立符合顏色搭配設(shè)計(jì)的能量函數(shù)作為目標(biāo)函數(shù)。當(dāng)用戶為場(chǎng)景指定風(fēng)格和為某一兩個(gè)家具指定顏色后,使用模擬退火算法優(yōu)化,從而系統(tǒng)為家居場(chǎng)景中的各家具推薦出顏色搭配方案,其中的兩個(gè)實(shí)例對(duì)應(yīng)圖6的左邊兩張圖片,其中左上場(chǎng)景的裝飾風(fēng)格屬于中式風(fēng)格,左下的裝飾風(fēng)格屬于新實(shí)用主義風(fēng)格。

6)顏色多樣化調(diào)整

在步驟5)中得出的每個(gè)家具的顏色種類有限,為了多樣化而又不失去原來風(fēng)格的設(shè)計(jì),使用PCA得出每個(gè)顏色種類的局部坐標(biāo),在這個(gè)局部坐標(biāo)下對(duì)顏色做擾動(dòng),生成其他豐富的顏色。對(duì)顏色做擾動(dòng)后的效果,見圖6所示,左邊是經(jīng)直接優(yōu)化的得到的兩個(gè)場(chǎng)景,右邊是經(jīng)過擾動(dòng)后所對(duì)應(yīng)的兩個(gè)場(chǎng)景,中間為主要家具顏色擾動(dòng)前后其顏色塊的對(duì)比。

7)設(shè)計(jì)得到的顏色遷移到紋理上,并將紋理貼在3D場(chǎng)景模型上

紋理在室內(nèi)裝修當(dāng)中的作用非常重要。沒有紋理的世界顯得不真實(shí)。所以,將步驟6)中得到的每個(gè)家具的顏色首先遷移到用戶任意選擇的紋理上,再將該紋理映射到單個(gè)3D模型上。在3D家具模型上貼上紋理前后的結(jié)果,如圖7所示,左邊的兩個(gè)場(chǎng)景只是著上顏色的結(jié)果,右邊的兩個(gè)場(chǎng)景是貼上紋理的結(jié)果,明顯,右邊的兩個(gè)場(chǎng)景顯得更有真實(shí)感。

為了驗(yàn)證本發(fā)明的提出的方法,做了以下幾個(gè)實(shí)驗(yàn):

1)視覺效果。建立了對(duì)應(yīng)5種風(fēng)格類型的5個(gè)場(chǎng)景模型來進(jìn)行驗(yàn)證,最終系統(tǒng)推薦得出的結(jié)果經(jīng)渲染后的效果,見圖8,圖9,圖10,圖11,圖12,分別對(duì)應(yīng)中式風(fēng)格、歐式風(fēng)格、現(xiàn)代主義風(fēng)格、新實(shí)用主義風(fēng)格和田園風(fēng)格。

2)驗(yàn)證系統(tǒng)得出的顏色推薦結(jié)果是否符合某種風(fēng)格。為了回答這個(gè)問題,訓(xùn)練了5個(gè)SVM分類器。每個(gè)SVM分類器負(fù)責(zé)識(shí)別一種風(fēng)格。首先,把原標(biāo)注得到的數(shù)據(jù)集分成兩組:80%用于訓(xùn)練和20%用于測(cè)試。比如,將標(biāo)有中式風(fēng)格為正樣本,其他風(fēng)格為負(fù)樣本的數(shù)據(jù),用于訓(xùn)練一個(gè)識(shí)別中式風(fēng)格的分類器。將這些標(biāo)注得到的每個(gè)場(chǎng)景的家具顏色數(shù)據(jù),聚成5種主題顏色,利用這5種主題色提取出334維特征[P.O'Donovan,A.Agarwala,A.Hertzmann,Color compatibility from large datasets,ACM Transactions on Graphics(TOG)30(4)(2011)63.],用于訓(xùn)練SVM分類器。用20%的數(shù)據(jù)測(cè)試已訓(xùn)練好的分類器的可靠性。同樣地,使用本發(fā)明方法,對(duì)于每種風(fēng)格設(shè)計(jì)了20個(gè)場(chǎng)景。在每個(gè)實(shí)驗(yàn)中,用戶首先指定風(fēng)格和賦予1-2個(gè)不同家具的顏色,推薦系統(tǒng)以此為其他尚未著色的家具選擇互相搭配的顏色。5種風(fēng)格共生成了100個(gè)場(chǎng)景。每個(gè)場(chǎng)景包含直接優(yōu)化的結(jié)果和經(jīng)顏色擾動(dòng)的結(jié)果。這兩個(gè)結(jié)果分別提取出5種主題顏色,利用這5種主題色再抽取出334維特征,用于測(cè)試訓(xùn)練好的5個(gè)SVM分類器。測(cè)試結(jié)果見圖13所示,“C,E,M,N,P”分別表示中式風(fēng)格、歐式風(fēng)格、現(xiàn)代風(fēng)格、新實(shí)用主義風(fēng)格、田園風(fēng)格所對(duì)應(yīng)的5個(gè)分類器,第一、二、三個(gè)直方圖分別表示20%測(cè)試數(shù)據(jù)、直接優(yōu)化得到的顏色數(shù)據(jù)、經(jīng)擾動(dòng)后的顏色數(shù)據(jù)所對(duì)應(yīng)的中式分類器的準(zhǔn)確率。從圖中可以看出,對(duì)20%測(cè)試數(shù)據(jù)分類的準(zhǔn)確率都在83%以上,而由本發(fā)明提出的方法所得的數(shù)據(jù),其準(zhǔn)確分類率超過了80%。也就是說,所提出的推薦結(jié)果接近裝飾風(fēng)格的顏色表達(dá),有意思的是,通過擾動(dòng)能夠改進(jìn)對(duì)直接優(yōu)化得到的顏色數(shù)據(jù)的分類準(zhǔn)確率。

3)用戶調(diào)查研究。評(píng)價(jià)一個(gè)家具顏色推薦的結(jié)果非常困難。為此,選擇用戶調(diào)查研究的方式驗(yàn)證本發(fā)明方法能夠比得上專業(yè)設(shè)計(jì)師,而且優(yōu)于隨機(jī)賦色的方法。

首先,要驗(yàn)證本發(fā)明的顏色推薦系統(tǒng)所產(chǎn)生的風(fēng)格設(shè)計(jì)符合用戶指定的風(fēng)格。邀請(qǐng)了30個(gè)人,參與了這個(gè)用戶調(diào)查。調(diào)查問卷共有20道題,每個(gè)問題包含3張圖片。中間的圖片來源于訓(xùn)練數(shù)據(jù)庫,兩邊的圖片則由本發(fā)明的方法和隨機(jī)的方法生成。這兩種方法在算法運(yùn)行前的輸入是一樣,即需要用戶指定相同的2-3個(gè)家具顏色。這兩種方法生成的圖片在兩邊的排列順序是隨機(jī)的,以避免位置順序產(chǎn)生的偏差。邀請(qǐng)參與者評(píng)價(jià)兩邊圖片與中間圖片在顏色色調(diào)上相似的程度。0分表示一點(diǎn)都不像,5分表示像極了。最后,調(diào)查的結(jié)果經(jīng)統(tǒng)計(jì)計(jì)算,本發(fā)明的方法與所學(xué)習(xí)的設(shè)計(jì)方案相似程度的平均分為3.4,高于隨機(jī)的方法(1.9分)。對(duì)于每類風(fēng)格場(chǎng)景,圖14顯示了2種方法中對(duì)5個(gè)場(chǎng)景統(tǒng)計(jì)的平均分與95%的置信區(qū)間。T-test的結(jié)果說明了本發(fā)明的方法遠(yuǎn)遠(yuǎn)好于隨機(jī)的方法。

第二個(gè)實(shí)驗(yàn)用于比較用戶對(duì)于我們方法的結(jié)果、專業(yè)設(shè)計(jì)師設(shè)計(jì)的結(jié)果以及隨機(jī)賦色方法的結(jié)果進(jìn)行評(píng)價(jià)。同樣地,分別建立了5個(gè)虛擬場(chǎng)景,對(duì)應(yīng)于5種室內(nèi)風(fēng)格。對(duì)于每個(gè)虛擬場(chǎng)景,我們邀請(qǐng)了一個(gè)專業(yè)設(shè)計(jì)師使用專業(yè)軟件做了符合某一種風(fēng)格的設(shè)計(jì);同時(shí),用本發(fā)明的方法根據(jù)不同的輸入也生成了4個(gè)設(shè)計(jì);另外,不考慮風(fēng)格,用隨機(jī)的方法也得出一個(gè)賦色的結(jié)果。所有這三個(gè)方法得到的3D場(chǎng)景在相同的視角和光照條件下經(jīng)渲染得到2D圖像。每個(gè)虛擬場(chǎng)景對(duì)應(yīng)6張渲染的圖像,其中1張來自設(shè)計(jì)師設(shè)計(jì)的,4張來自本發(fā)明的方法,另一張由隨機(jī)賦色的結(jié)果。在用戶調(diào)查問卷中,總共有30張渲染的圖像。為了避免由于順序產(chǎn)生的偏差,在每題中這6張圖像以隨機(jī)順序排列。接著,邀請(qǐng)了80個(gè)志愿者參與調(diào)查,詢問他們每張圖像的視覺質(zhì)量,請(qǐng)他們?cè)u(píng)價(jià)0(很難看)分至5分(非常好看)。最后,統(tǒng)計(jì)的結(jié)果見圖15所示:三種方法對(duì)5類場(chǎng)景的平均分和對(duì)應(yīng)的95%置信區(qū)間,以及對(duì)所有場(chǎng)景的總平均分和相應(yīng)的95%的置信區(qū)間。設(shè)計(jì)師設(shè)計(jì)的結(jié)果的得分平均分比本發(fā)明的結(jié)果只多出0.1。此外,使用z-test檢驗(yàn),我們的結(jié)果得分比隨機(jī)的好,但不超過24%(p-value=0.028),但設(shè)計(jì)師設(shè)計(jì)的結(jié)果得分雖比我們的好,但不超過7%(p-value=0.031)。

4)與最新的方法比較。Magic Decorator[K.Chen,K.Xu,Y.Yu,T.-Y Wang,S.-M.Hu,“Magic decorator:automatic material suggestion for indoor digital scenes,”in ACM Transactions on Graphics,vol.34,no.6,2015,p.232.]能夠直接進(jìn)行材質(zhì)推薦,包括材質(zhì)屬性及紋理。本發(fā)明的方法雖然只做顏色推薦,但通過顏色遷移到紋理圖片上的方式,為用戶提供材質(zhì)紋理。為了完成此實(shí)驗(yàn),邀請(qǐng)了Magic Decorator的作者來幫忙,使用Magic Decorator方法為5個(gè)臥室場(chǎng)景各生成2個(gè)結(jié)果。同樣,使用本發(fā)明的方法根據(jù)相同的輸入條件也各產(chǎn)生2個(gè)結(jié)果。這里的輸入條件是事先指定某一兩個(gè)家具的顏色作為約束條件。得到的這些3D場(chǎng)景在相同的視角和光照條件下進(jìn)行渲染,得到2D圖像。跟3)中的實(shí)驗(yàn)的做法一樣,邀請(qǐng)同樣的一批人參與調(diào)查,給每張圖像的視覺質(zhì)量評(píng)分。調(diào)查問卷共有5道題,每道題4張圖像,其中兩張來自Magic Decorator的方法,另兩張來自于本發(fā)明的方法。統(tǒng)計(jì)的5個(gè)場(chǎng)景的平均分及95%置信區(qū)間見圖16所示。使用z-test進(jìn)行檢驗(yàn),本發(fā)明的方法所得結(jié)果的評(píng)分與Magic Decorator方法的結(jié)果的評(píng)分相當(dāng)(p-value=0.48)。

本發(fā)明方法經(jīng)過以上的實(shí)驗(yàn)證明了其可行性、優(yōu)越性。雖然本發(fā)明的例子針對(duì)的是臥室的場(chǎng)景,但是可以擴(kuò)展到其他的場(chǎng)景,比如客廳,廚房,辦公室等,前提是需要收集其他場(chǎng)景的設(shè)計(jì)方案數(shù)據(jù)。

綜上所述,本發(fā)明從設(shè)計(jì)師的設(shè)計(jì)方案(圖片)中通過機(jī)器學(xué)習(xí)的方法,使用貝葉斯網(wǎng)絡(luò)模型編碼家居風(fēng)格與家具顏色搭配的內(nèi)在聯(lián)系,引導(dǎo)家具顏色推薦系統(tǒng)生成符合某種裝飾風(fēng)格的場(chǎng)景。通過用戶調(diào)查研究的方式驗(yàn)證了本發(fā)明方法所生成場(chǎng)景的視覺質(zhì)量接近于專業(yè)設(shè)計(jì)師的設(shè)計(jì)效果,具有實(shí)際的推廣價(jià)值。

以上所述之實(shí)施例子只為本發(fā)明之較佳實(shí)施例,并非以此限制本發(fā)明的實(shí)施范圍,故凡依本發(fā)明之形狀、原理所作的變化,均應(yīng)涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1