返回
More attention for computer-aided conceptual design: A multimodal data-driven interactive design method
DOI:10.1016/j.aei.2025.103392.png)
摘要
En 中文
计算机辅助概念设计(CACD)是新产品开发的核心手段,因为它能够实现设计师的内在思维。然而,当设计师在CACD过程中遇到停滞时,他们需要咨询第三方设计知识以寻求灵感,这常常会中断其设计思维过程。赋能于深度学习的设计方法与设计知识管理可以成为解决这些问题的潜在方案。本研究提出了一种多模态设计数据驱动的交互式设计方法。利用多模态数据识别设计师的隐含意图,同时将设计注意力抽象化以匹配相关知识的计算机反馈。通过设计注意力的中介作用,实现了设计师-计算机-设计师的闭环交互式设计。多模态设计数据(设计图像和设计描述)通过草图建模和言语协议分析实验获得。构建了一种基于T2T-ViT和Bert的Transformer(TB-Multiformer),利用跨模态设计注意力模块和自设计注意力模块来捕捉多模态特征,以识别概念设计意图。由于识别出的注意力可用于匹配设计师更关注的知识,因此提出了一种基于注意力的设计知识推荐方法(AbDKR)以提供主动的知识反馈。该方法可以防止设计师花费时间搜索设计知识,并帮助他们保持充足的灵感。通过对两种机械结构的概念设计进行案例研究,以说明所提出方法的可行性和实用性。
Keyword:
Conceptual design
Multimodal data
Multimodal transformer
Knowledge recommendation
期刊
IF:
9.9
论文数:
4.4K
被引数:
1.7W
机构
暂无机构信息
引用论文
A closed-loop human-computer interactive design method based on sequential human intention prediction and knowledge recommendation一种基于序列人意图预测和知识推荐的闭环人机交互设计方法

