基于多尺度扩张注意力的Styleformer汽车造型设计

摘要

为了提升汽车设计图像的质量，开发了两个专门的数据集并通过多尺度扩张注意力机制优化现有的图像生成模型，以便捕获汽车的主体特征和结构细节．首先，创建了“WhiteCarSet”和“WhiteCarContour”数据集，分别聚焦于汽车的本体特征采集和汽车轮廓的精确收集．其次，针对图像生成模型，我们对Styleformer进行了改进，引入了多尺度扩张注意力操作，以增强模型捕获长距离依赖和理解对象全局结构的能力．在多个数据集上的实验结果显示，改进后的模型FID值相较于传统模型实现了15.57%的提升．在相同的改进模型Styleformer-M而数据集不同的情况下，使用我们开发的数据集，FID值比其它数据集提高了约22.29%.

关键词

汽车造型设计 / Styleformer-M / 智能设计 / 数据集