利用双向长短期记忆网络生成颜色

人类视觉能够区分广阔的色彩光谱，估计可辨色调在 200 万到 700 万之间。然而，这一令人惊叹的范围并不意味着所有这些颜色都已在我们的词汇中被精确命名和描述。我们在日常生活中常将颜色与熟悉的事物和概念相联系。本研究致力于弥合我们对无数色调的视觉感知与准确表述和命名能力之间的鸿沟。为实现这一目标，我们开发了一种新颖模型，利用双向长短期记忆（BiLSTM）网络结合主动学习（Active learning）。该模型基于为本研究精心构建的专有数据集运行。本研究的主要目标是创建一种通用工具，用于对先前未命名的颜色进行分类和命名，或识别传统颜色术语难以涵盖的中间色调。研究结果凸显了这一创新方法在革新我们对颜色感知与语言理解方面的潜力。通过严谨的实验与分析，本研究为自然语言处理（NLP）在多元行业中的应用照亮了一条前景广阔的途径。通过推动对广阔色彩光谱的探索，NLP 的潜在应用得以拓展至传统边界之外。