基于虚拟再现行为的VR空间认知研究

为了研究虚拟环境下人对空间大小和空间距离的认知机理,提出一种基于虚拟再现行为的知觉匹配法。从虚拟现实（virtual reality,VR）空间对真实空间的再现性角度出发,构建VR空间与真实空间的知觉匹配模型,设计并开展VR空间认知系列实验,分析虚拟环境下人对空间大小和空间距离的认知倾向与认知偏差等。通过VR空间大小认知实验发现：在高度感和宽度感的认知上,分别以±1.9%和±1.4%的标准认知偏差度基本再现了与在真实空间中相同的认知;在深度感的认知上,存在距离被低估与判断力下降的现象,其标准认知偏差度约为±3.4%。通过自我中心距离认知实验发现：在VR空间中,自我中心距离的标准认知偏差度为±（0%~2.5%）;人对侧方向区域的距离认知明显优于正方向,同时对正前方和侧下方区域表现出更加稳定的距离认知,波动幅度小于0.5%,但对上方区域的距离认知具有不稳定性。通过尺寸-距离关系认知实验发现：添加尺寸参照可优化对正方向区域约1%的认知偏差;同时,可将标准认知偏差度缩小为±（0.5%~1.5%）,有效提升了人在VR空间中对空间距离的判断能力。研究结果可为VR空间制作与虚拟人机交互设计提供理论支持,在一定程度上有利于用户交互体验的优化。     

基于神经风格迁移网络的民族图案创新方法

针对传统民族图案符号手工提取效率低,图案组合创新设计困难的问题,以苗族 传统的蜡染和挑花图案创新设计为例提出传统民族图案风格创新模型。该模型将改进型的形状 文法与基于深度学习的神经风格迁移网络相结合,提取并编码民族图案构型框架,通过形状文 法生成大量民族图案构型框架图案,使用风格迁移网络快速提取民族图案中的底层特征,在框 架基础上迁移生成创新民族图案设计方案。实验结果表明,该模型可以在指定框架的基础上生 成全新的民族纹饰图案,相对于直接使用神经网络对空白图像进行风格迁移生成的图案更加有 序。生成图案最终应用于苗族织物图案设计中,验证了该方法和设计流程的可行性。     

基于StyleGAN的草图生成产品设计效果图方法研究

目的 解决当前产品设计表达中存在对设计师要求高、设计思维具有局限性、设计周期长等问题。方法 提出基于StyleGAN的草图快速生成产品效果图像的方法,该方法利用图像变形技术,将不同程度的产品草图生成真实产品效果图像。结果 该方法可有效地满足设计师创作需求,也能为没有绘画基础的用户生成高质量的产品设计方案。结论 将基于深度学习的StyleGAN模型应用于草图生成真实产品效果图像中,能快速、高效地完成产品设计表达过程,为产品设计表达提供了一个基于深度学习技术的参考框架,也是传统产品设计在人工智能时代的一次创新性探索。