图形设计的数据驱动着色建议[电子资源]
在图书馆
特别收藏
现场访问
上下文
描述
创建者/贡献者
作者/创建者 -
林，沙龙。 贡献者 -
下午Hanrahan（帕特里克·马修） 主要顾问。 论文指导老师 -
迈克尔·伯恩斯坦（Michael S.Bernstein），1984年- 顾问。 论文指导老师 -
杰弗里·迈克尔·海尔 顾问。 论文指导老师 -
斯坦福大学。 计算机科学系。
目录/摘要
摘要 无论是设计室内装饰、插图还是网站，色彩选择都是许多创意项目不可或缺的组成部分，影响着功能和审美效果。 然而，选择合适的颜色可能很有挑战性。 例如，颜色可以与特定概念有语义关联（例如“利润”到绿色） ，在创建交流设计时应考虑到这一点。 此外，由于色彩审美是复杂的，受到空间安排和不断变化的偏好的影响，着色过程往往需要大量的尝试和调整。 许多设计师不是从空白画布开始，而是通过查看多个示例来形成想法，例如图像或预先制作的颜色主题。 他们还可以创建快速的彩色缩略图草图来测试颜色安排。 本文着眼于通过自动生成着色建议，利用现有的和众包数据进行接地，从而简化颜色选择过程。 我们通过收集人们手工创建的示例并识别潜在的预测指标，从算法上观察人们如何做出不同的颜色决策。 例如，在给图案着色时，人们可能会同时考虑全局颜色集和相邻颜色的适用性，我们分析手工创建的颜色示例以挖掘这些属性的统计信息。 然后，我们通过使用机器学习技术在我们的指标库之间进行选择和平衡，建立模型来预测示例。 我们为具体任务和开放任务提供了数据驱动算法——为数据可视化指定语义共振颜色，从图像中提取颜色主题，并生成可由用户约束指导的空间软件颜色分配。 这样的建议可以为人们提供良好的默认起点，从中他们可以专注于更高层次或创造性的决策。
书目信息
出版日期 2014 注释 提交给计算机科学系。 注释 论文（博士）——斯坦福大学，2014年。
