摘要
体验经济时代，用户的审美需求日益增长，产品设计的美学质量逐渐成为影响综合评价的重要指标。当下，市场上的产品同质化严重，提升产品外观的美学水平是吸引用户关注、获得积极印象的关键策略。因此，在产品开发过程中，进行准确有效的美学评估尤为重要。科学专业的美学评价方法能够辅助设计师洞察市场趋势，创造出符合用户需求的创新方案。 随着人工智能技术的飞速发展，以大数据与算力为支撑的智能应用研究为实现准确的美学评估提供了崭新的研究方向。本研究旨在运用深度学习的方法来构建更加客观的产品设计美学评价模型，为产品设计师提供一个实时有效的辅助决策工具从而提升设计质量。本文的研究内容包含以下几个方面： （1）采用多特征融合的深度学习方法来构建产品设计美学评价模型。首先，手工提取产品的底层图像特征和高层感知图像特征；其次，采用眼动追踪实验提取了用户的眼动特征；最后将以上特征与深度卷积网络提取的深度图像特征进行融合训练来实现产品设计的美学分类。 （2）采用眼动追踪技术对用户在审美过程中的眼动行为进行分析。提取用户观看设计作品过程中的眼动行为参数，进而建立产品设计美学评价与用户眼动行为的关系。 （3）以滑板车为例进行产品设计美学评价模型的构建实验。首先构建了滑板车设计图像作为实验数据集；其次，通过专家打分的方式获取设计美学评价作为分类标签；最终，采用MobileNet-V3、ShuffleNet-05、ResNet-50和VGG-19四个深度卷积网络来进行建模对比实验。结果表明，相较于图像特征分类，基于多特征融合训练的模型准确率有所提升，其中训练效果最佳的网络为MobileNet-V3，训练准确率达到72.09%，验证了多特征融合的深度学习训练方法在产品设计美学评估任务中的有效性。 （4）整合产品设计美学评估模型进行应用实践。搭建了DesignVibe美学智能评估系统，为产品设计师提供较为全面的方案评估参考和设计建议，并通过用户测试分析此系统在产品设计工作中的应用潜力。 本研究将人工智能技术与产品美学评估方法相结合，构建了基于多特征融合训练的产品设计美学评估模型，通过搭建智能评估系统帮助产品设计师获取科学客观的产品美学评价反馈，从而激发创造思维，推动设计创新。
NETL