BOgen：基于贝叶斯优化与变分自编码器推断用户意图以生成部件级三维设计
人机交互
2023-12-06 v1
摘要
生成式人工智能（AI）的进步引入了多种能够产生令人印象深刻的视觉设计输出的AI模型。然而，当AI模型应用于设计过程时，优先输出符合设计师需求的结果，而非仅仅追求视觉工艺，变得更为关键。此外，设计师常常将不同设计的部件进行复杂组合以创造新颖设计。能够在部件层面生成符合设计师意图的设计，对于辅助设计师至关重要。为此，我们引入了BOgen，它通过贝叶斯优化和变分自编码器，赋能设计师主动生成和探索部件级设计，从而提升其整体用户体验。我们通过一项涉及30名设计师的研究评估了BOgen的性能。结果表明，与基线相比，BOgen满足了设计师对部件推荐和设计探索空间引导的需求。BOgen在导航和开发过程中辅助设计师，提供有价值的设计建议，并促进主动的设计探索与创作。
引用
@article{arxiv.2312.02557,
title = {BOgen: Generating Part-Level 3D Designs Based on User Intention Inference through Bayesian Optimization and Variational Autoencoder},
author = {Seung Won Lee and Jiin Choi and Kyung Hoon Hyun},
journal= {arXiv preprint arXiv:2312.02557},
year = {2023}
}
备注
17 pages, 13 figures