AI-driven design innovation: the integration of computational methods in the analysis of Shuangdun Carved Symbols and product design
Notice bibliographique
Résumé
Artificial intelligence technology can effectively improve the quality and efficiency of industrial design and manufacturing, so the study takes Shuangdun Carved Symbols of cultural products as an example, utilizes the generative adversarial neural network to carry out style migration processing in the design of Shuangdun Carved Symbols and their products, and constructs the DCGAN model to assist the design and generation of Shuangdun Carved Symbols of cultural products.After semantic analysis of the color symbols of Shuangdun Carved Symbols products generated with the aid of DCGAN model in this paper, quantitative and qualitative measurements are carried out.Users of Shuangdun Carved Symbols products rated the products after the style migration significantly higher than before the migration in terms of volumetricity, distance, emotion, character, and texture.CycleGAN and DCGAN models achieved the best overall results in terms of PSNR, SSIM, FID, and KID indicators.The DCGAN model with added spectral normalization and Res2Net outperformed the CycleGAN model in the ablation experiments.The overall user rating of the Shuangdun Carved Symbols product designed by the DCGAN model in this paper is 4.24, and the product has obtained more satisfactory evaluation results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».