AI驱动方法自动发现产品设计中与品牌相关的特征

在产品设计方面，品牌一致性是跨产品线成功的关键之一，它管理着品牌的本质并与利润积极相关。依赖于每年发布下一代型号的公司面临的挑战是设计出一个既与货架上现有产品有所区别又体现品牌的产品。

卡内基梅隆大学的研究人员希望通过引入一种全自动深度学习架构来减轻产品设计师的负担，该架构能够识别与视觉品牌相关的特征。这个模型名为BIGNet，即品牌识别图神经网络，它是使用产品的SVG图像进行训练的。

BIGNet能够精准地在产品图像上识别出可能成千上万的曲线中的一致性，以识别视觉品牌。这项工作发表在《机械设计杂志》上。

“在BIGNet之前，没有现成的方法可以使用机器学习自动提取与风格相关的特征，”机械工程博士候选人陈宇轩（音译）解释道。“设计师们在他们的脑海中创造了规则，但这些规则难以表达，且难以跨产品线传递。”

该团队对BIGNet在不同产品上进行了测试，例如流行的手机品牌苹果和三星。该模型在区分这两个品牌时的准确率为100%，识别出了指示不同品牌的特定特征，如屏幕间隙和相机镜头位置。

为了展示BIGNet在不同产品和设计尺度上的适应性和普适性，团队评估了BIGNet对10个汽车品牌的识别。该模型最准确地识别了奥迪、宝马和梅赛德斯-奔驰，证实了豪华制造商相较于经济型汽车拥有更优越的品牌一致性。

“这项技术可以为领域专家节省大量时间。公司将不再需要依赖于与他们合作了20多年的人来理解品牌，”陈宇轩说。

目前BIGNet是用二维正面图像实施的。研究人员渴望将他们的测试扩展到3D成像，并希望开发模型以识别不仅仅是品牌身份。例如，哪些细节构成了“肌肉”车与“运动”车。

“作为近三十年来一直致力于通过设计语言正式化品牌的领域工作者，我认为BIGNet使用ML揭示品牌语言的潜力是一个令人兴奋的进步，它有许多潜在的应用方向，”该研究的主要作者和机械工程系主任乔恩·卡根（音译）说。