基于脑电信号的汽车前脸造型特征设计决策

为解决汽车前脸造型设计决策的问题,比较了用户感知燃油车与电动车前脸造型特征的差异,探讨了汽车前脸正性和负性表情对消费者偏好决策的影响,提出一种采用脑电测量技术评价用户反馈的方法。以Neural Scan脑电仪为数据采集工具,采集了40位用户观看传统汽车与电动车表情并做出是否购买决策的脑电数据,通过事件相关电位分析,发现用户对传统车的情绪感知优于电动车,用户偏好购买正性表情的汽车。回归分析结果发现,P300和LPP两个脑电成分对用户购买决策有显著影响。研究结果表明:电动车车脸设计应加大拟人化效果,脑电测量可作为设计决策的客观依据。

汽车前脸造型的表情设计

目的研究汽车前脸造型的表情认知,提出汽车前脸表情的设计方法。方法研究基于人的面孔识别认知原理,建立了汽车前脸的认知模型,提出表情在汽车前脸识别中的信息处理过程。并根据格式塔的"图底"理论及其图形设计的基本原理,将汽车前脸的造型元素划分为点类造型因子、线类造型因子以及面类造型因子三大类。结论构建汽车前脸的认知模型,归纳汽车前脸造型因子,提出汽车前脸表情设计的具体手法和应用。

基于循环一致性对抗网络的类推式汽车前脸生成设计

类比推理是设计师在产品外形设计阶段最常用的设计方法之一,然而设计结果严重依赖设计师经验,具有不确定性与随机性。为了辅助设计师进行创意生成,优化设计流程,提出一种基于类比推理的设计生成方法,结合循环一致性对抗网络(CycleGAN)以及相关图像处理技术,实现产品外形类比推理过程的智能化。首先,通过爬虫框架、主体目标检测与计算机视觉库(OpenCV)等处理汽车前脸轮廓,构建设计对象数据集。其次,收集图像构建启发源数据集。然后,使用CycleGAN对启发源数据集和设计对象数据集中的图像进行训练。最后,进行设计评价并整合训练数据,设计并实现原型系统推理者(Analogist),实现类比推理方案的智能生成。本项研究以猫的正面轮廓图像作为汽车前脸轮廓图像的类比推理对象,通过Analogist可以生成新的具有显著类比推理特征的汽车前脸轮廓图像。结果表明,该方法可以有效便捷地辅助设计师进行产品外形的类比推理设计,在一定程度上提升了设计效率,并为智能设计领域的发展提供了理论依据和实践基础。