基于ControlNet的儿童床设计效果图生成技术

基于深度学习的计算机生成技术,可实现产品设计效果图快速生成,对提升产品设计效率、降低人工劳动强度具有积极作用,也为高质量的图像生成提供了新思路。本研究提出了一种基于ControlNet的儿童床设计效果图生成方法。首先,采用Canny边缘检测算法对原始图像进行处理,得到对应的边缘图像;然后,利用控制分支网络从边缘图像中提取特征;最后,将提取的边缘特征融合到原有的扩散模型特征层中,并作为条件来控制ControlNet的生成过程,通过设置不同的随机数种子,可生成具有相同结构但不同配色的目标图像。以FID值、Inception Score值为指标,对试验结果进行定量评估,结果表明:相较于CycleGAN、ChipGAN、Style2Paints 3种图像生成模型,基于ControlNet生成的图像不仅拥有较好的多样性,其图像细节质量也有所提高,证明了所应用模型的有效性和合理性。同时,对基于ControlNet的儿童床设计效果图方法进行了专家评估,评估满意度达92.22%,进一步证明该方法的可靠性和适用性。将ControlNet应用于儿童床设计效果图工作是可行的,不仅可为设计师提供设计灵感,也可节省人力与物力成本,提高设计效率。