1705691182
2024-01-19 18:24:25
この記事は Science X に従ってレビューされています。 編集プロセス
そして ポリシー。
編集者 は、コンテンツの信頼性を確保しながら、次の属性を強調しました。
事実確認済み
信頼できる情報源
校正する
わかりました！ BIGNet は、グリル、ヘッドライト、フォグランプなど、高級車のよく区別できる自動車部品をキャプチャしていますが、手頃な価格の車 (トヨタ) については、ロゴ検出に頼らなければならない幾何学的な手がかりがはるかに少ないです。 クレジット: カーネギーメロン大学機械工学
×閉じる
BIGNet は、グリル、ヘッドライト、フォグランプなど、高級車のよく区別できる自動車部品をキャプチャしていますが、手頃な価格の車 (トヨタ) については、ロゴ検出に頼らなければならない幾何学的な手がかりがはるかに少ないです。 クレジット: カーネギーメロン大学機械工学
製品デザインに関して言えば、ブランドの一貫性が製品ライン全体で成功するための 1 つの鍵であり、ブランドの本質を管理し、利益に積極的に結びつけます。 毎年次世代モデルのリリースに依存している企業は、すでに店頭に並んでいる製品とは一線を画しながらも、ブランドを体現する製品を設計するという課題に直面しています。
カーネギーメロン大学の研究者らは、視覚的なブランド関連の特徴を識別できる完全に自動化された深層学習アーキテクチャを導入することで、製品設計者の負担を軽減したいと考えている。 BIGNet (Brand Identification Graph Neural Network) と呼ばれるモデルは、製品の SVG 画像を使用してトレーニングされます。
BIGNet は、視覚的なブランドを識別するために、製品画像上の何千もの曲線の間の一貫性を正確に特定します。 作品は 出版された 機械設計ジャーナルに掲載されました。
「BIGNet が登場するまでは、機械学習を使用してスタイル関連の特徴を自動的に抽出する既存の方法はありませんでした」と Yu-hsuan “Sean” Chen 博士は説明します。 機械工学の候補者。 「デザイナーは頭の中でルールを作成しましたが、それを明確に表現するのは難しく、全体に伝えるのは困難でした」 製品群。」
チームは、人気の携帯電話ブランドである Apple や Samsung など、さまざまな製品にわたって BIGNet をテストしました。 モデルは 100% でした 正解率 2 つを区別する際には、画面のギャップやカメラのレンズの位置など、あるブランドを別のブランドと区別する特定の特徴を特定します。
さまざまな製品や設計スケールにわたる BIGNet の適応性と汎用性を示すために、チームは 10 の自動車ブランドに対して BIGNet を評価しました。 このモデルでは、アウディ、BMW、メルセデス ベンツが最も正確に識別され、高級車メーカーが経済車よりも優れたブランド一貫性を持っていることが確認されました。
「このテクノロジーにより、各分野の専門家は大幅な時間を節約できます。企業はブランドを理解するために、20年以上一緒に働いてきた人に頼る必要がなくなりました」とチェン氏は述べた。
現在、BIGNet は 2 次元の正面画像を使用して実装されています。 研究者たちは、テストを 3D イメージングに拡張することに熱心で、ブランド アイデンティティ以上のものを識別するためのモデルを開発したいと考えています。 たとえば、「マッスル」な車と「スポーティな」車をどのような細部が特徴づけるかなどです。
「デザイン言語を通じてブランドを形式化する分野で 30 年近く働いてきた私は、ML を使用して次のことを明らかにする BIGNet の可能性を感じています。 ブランド 言語は、多くの応用の可能性を秘めたエキサイティングな進歩です」と筆頭著者で機械工学部長のジョン・ケイガン氏は述べています。
詳しくは：
Yu-hsuan Chen 他、BIGNet: A Deep Learning Architecture for Brand Recognition with Geometry-Based Explainability、Journal of Mechanical Design (2023)。 DOI: 10.1115/1.4063760
#製品設計におけるブランド関連の特徴の発見を自動化する #主導の手法