机构名称：
¥ 2.0
通过机器学习生成设计一直是计算机辅助设计领域的一项持续挑战。最近，深度学习方法已被用于随机生成时尚、家具和产品设计中的图像。然而，这种深度生成方法通常需要大量的训练图像，并且在设计过程中没有考虑到人为因素。在这项工作中，我们寻求一种方法，通过脑电图测量 (EEG) 指示的大脑活动将人类认知因素纳入生成过程。我们提出了一种受神经科学启发的机器学习设计方法，其中使用 EEG 来捕获首选的设计特征。此类信号用作生成对抗网络 (GAN) 中的条件。首先，我们使用循环神经网络 (LSTM - 长短期记忆) 作为编码器，从原始 EEG 信号中提取 EEG 特征；这些数据是从受试者观看 ImageNet 中的几类图像时记录下来的。其次，我们训练一个以编码的 EEG 特征为条件的 GAN 模型来生成设计图像。第三，我们使用该模型从受试者的 EEG 测量大脑活动生成设计图像。
肯特学术资料库
主要关键词
相关文件推荐
