基于机器学习的汽车设计智能拟合方法

摘要

为提升车企工作效率、为设计师提供设计框架，有效提升设计的准确性和客观性，提出了一种利用机器学习拟合汽车设计前期工作、后期个性覆盖件设计的方法。该方法主要基于扩散模型和文本反转技术，首先对用户画像进行分类并训练模型；其次，借助已有市场反馈度较高的成型车对应的用户画像进行高度拟合。由此可通过调节用户画像数据等信息，便可生成前期定义车型效果图、汽车覆盖套件等。与现有流程相比，该方法能够高度拟合设计前期工作，为设计师提供更直观、更客观的前期定义车型。因此，该方法在汽车设计、市场调研、造型策略制定、创意草案生成、覆盖件设计等领域具有广泛的应用前景。

关键词

车辆工程 / 汽车设计 / 用户画像 / 扩散模型 / 人工智能 / 文本反转