基于眼脑数据和问卷分析的泳装图像情感因子空间构建

人工智能服装设计中较为重要的步骤是将服装情感设计语言转换为计算机标注语言,而当前研究领域主要是单纯依靠问卷调查结果,这导致标注结果过于主观。针对这一问题,文章以泳装为例,通过发放调查问卷收集主观感性数据,利用眼动仪、脑电系统收集客观生理信号与主观数据进行对比分析,同时验证主观数据的可靠性;对调查问卷数据进行主成分分析和因子分析,最终建立泳装图像情感因子空间。情感因子空间的构建可降低计算机提取服装情感信息特征的难度,有利于实现对泳装图像的识别、分类、检索等后续工作。

基于卷积神经网络的风格迁移泳装图案设计

将深度学习中的风格迁移技术运用到服装图案设计领域正逐渐成为热门话题,但传统风格迁移图案设计的方法存在风格单一、纹理简单的缺点。本文提出一种辅助泳装设计师进行图案设计的方法,通过优化风格迁移中格拉姆矩阵结构,分别学习提取多张绘画作品和照片作为风格图生成创新的泳装图案设计图,同时运用Canny边缘检测算法和OpenCV图像处理库将作品从复杂背景中识别并分割出来,最终实现多风格图像输入的风格迁移辅助泳装图案设计方法。经过对比实验证明,本文生成的图案比其他风格迁移方法在风格满意度等方面获得更高评价。