CreativeGAN：编辑生成对抗网络用于创意设计合成
机器学习
2021-03-11 v1
摘要
现代机器学习技术，如深度神经网络，正通过揭示大数据中的模式并做出准确预测，变革从图像识别到语言理解的诸多学科。它们也在合成新设计方面展现出有前景的结果，而这对产品创造和实现创新至关重要。生成模型，包括生成对抗网络（GAN），已被证明对设计合成有效，应用范围从产品设计到超材料设计。这些自动化计算设计方法可以支持人类设计者，后者通常借助经验和启发式方法通过耗时的迭代构思过程来创建设计。然而，在自动合成“创造性”设计方面仍存在挑战。然而，GAN 模型无法生成独特设计，而这是创新的关键，也是基于 AI 的设计自动化应用中的主要差距。本文提出一种名为 CreativeGAN 的自动化方法，用于生成新颖设计。它通过识别使设计独特的组件并修改 GAN 模型，从而使其更有可能生成具有已识别独特组件的设计。该方法结合了最先进的新颖性检测、分割、新颖性定位、重写以及用于创意设计合成的生成模型。使用自行车设计数据集，我们证明了该方法能够创建具有独特车架和车把的新自行车设计，并将稀有新颖性推广到广泛的设计集中。我们的自动化方法无需人工干预，并展示了重新思考创意设计合成与探索的一种途径。
引用
@article{arxiv.2103.06242,
title = {CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis},
author = {Amin Heyrani Nobari and Muhammad Fathy Rashad and Faez Ahmed},
journal= {arXiv preprint arXiv:2103.06242},
year = {2021}
}