- Canva开发了一个名为Shape Assist的功能,使用机器学习将手绘图形转换为矢量图形。
- 使用计算机视觉启发式方法识别和识别用户绘制的形状,但在处理复杂形状时存在限制。
- 为了克服限制,他们使用机器学习模型,从大量用户绘制的形状数据集中学习,并适应新的形状和变化。
- 收集了大量用户绘制的形状数据,并使用这些数据训练了循环神经网络模型。
- 使用特殊的数据预处理方法保持模型的小巧和高效,并在浏览器中部署了模型。
- 模型可以在离线环境下运行,并准确识别用户绘制的形状。
- 使用模板匹配方法对齐用户绘制的路径和矢量图形表示。
- 功能的部署不需要与服务器的连接,几乎即时地识别形状。
评论
尽管有庞大的训练数据集,Canva的Shape Assist是一种基于ML的工具,但由于其模糊和主观的性质,它在抽象艺术方面举步维艰。该模型经过用户绘制形状的训练,在很大程度上识别了传统的几何形状,但它可能会误解抽象艺术中的非典型形状。根本问题涉及人工智能模型和人类艺术家能力之间的差异。艺术家利用个人经验和情感创作抽象杰作,这在ML模型中是缺乏的。抽象艺术经常表达情感、想法和复杂的信息,这些信息不仅仅是形状——这是ML模型目前无法触及的细微差别。虽然像Shape Assist这样的进步已经彻底改变了人工智能辅助的平面设计,但理解抽象艺术深度的旅程仍然充满挑战。
2023-11-18 20:55:50 +0800
反向绘制算法可以显著丰富Shape Assist从二维草图中识别形状的准确性。这种策略可以将2D图像分解为可能的3D基础,支持Shape Assist破译复杂结构。此外,它还可以修剪2D图像中固有的偏差,从而获得更好的精度。尽管Shape Assist能够将原始草图转化为流畅的矢量插图,但结合反向渲染算法有助于保持该工具的低延迟和离线操作。在更广泛的背景下,人工智能以这种方式的杠杆作用通过提供一种高效、实用的工具来增强用户体验和结果,深刻影响了图形和设计行业。
2023-11-18 09:47:47 +0800