产品美学设计：一种机器学习增强方法
机器学习
2022-11-16 v2 计算机视觉与模式识别
计量经济学
机器学习
摘要
美学对市场接受度至关重要。在汽车行业中，改进的美学设计可使销量提升 30% 或更多。企业在美学设计与测试上投入巨大。单次汽车“主题诊所”耗资超过 100,000 美元，且每年开展数百次。我们提出一种模型，通过预测美学评分并自动生成创新且吸引人的产品设计，来增强常用的美学设计流程。该模型将概率变分自编码器（VAE）与来自生成对抗网络（GAN）的对抗组件以及监督学习组件相结合。我们使用来自一家汽车合作伙伴的数据对模型进行训练与评估——203 款 SUV 的图像由目标消费者评价，以及 180,000 张高质量未评级图像。我们的模型能较好预测新美学设计的吸引力——相对于均匀基线提升 43.5%，并大幅优于传统机器学习模型与预训练深度神经网络。新的汽车设计以可控方式生成，供设计团队使用。我们经实证验证，自动生成的设计（1）对消费者有吸引力，且（2）类似于在我们数据收集五年后引入市场的设计。我们提供了一个使用开源餐椅图像的附加概念验证应用。
引用
@article{arxiv.1907.07786,
title = {Product Aesthetic Design: A Machine Learning Augmentation},
author = {Alex Burnap and John R. Hauser and Artem Timoshenko},
journal= {arXiv preprint arXiv:1907.07786},
year = {2022}
}