图形设计的数据驱动着色建议[电子资源]
责任 莎伦·林。 印记 2014 物理描述 1个在线资源。
数字内容
在图书馆
![](/assets/SPEC-COLL-77ffde8353a7bd8a85fcc5e0d9657ebac6fff22e4f7ed4a24bd6792ce2333012.jpg)
特别收藏
现场访问
|
上下文
展品中展示了该商品
展品中有该商品
更多选项
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。