大数据和人工智能在视觉通信艺术设计中的应用
1Shi Jia Zhuang University of Applied Technology, Shijiazhuang, Hebei, China.
PeerJ. Computer science
|December 9, 2024
概括
这项研究整合了人工智能 (AI) 和用于视觉通信 (VISCOM) 的大数据. STING算法和卷积神经网络 (CNN) 在聚类和识别设计元素方面实现了超过80%的准确性,证明了AI.
科学领域:
- 数字艺术和设计.
- 计算机科学应用 计算机科学应用
- 创意产业中的人工智能
背景情况:
- 人工智能 (AI) 和大数据的整合正在改变视觉通信 (VISCOM) 艺术.
- 需要新的技术来增强艺术与技术之间的跨学科艺术表达.
- 当前的挑战包括为特定场景和观众量身定制的艺术创作.
研究的目的:
- 调查和应用大数据和人工智能方法到VISCOM.
- 开发和测试STING算法用于VISCOM.com中的多分辨率信息聚类.
- 利用卷积神经网络 (CNN) 在VISCOM艺术中识别物体和场景.
主要方法:
- 在VISCOM.com中提出了用于高效大数据聚类的STING算法.
- 采用卷积神经网络 (CNN) 进行AI驱动的视觉元素识别.
- 将STING和CNN应用于各种VISCOM设计项目,包括标志,文本,场景,包装和海报.
主要成果:
- 使用STING算法实现了超过82%的平均集群精度.
- 现场元素识别准确度超过80%的CNNs.
- 实现了面部识别准确度超过80%,专家评价的可靠性和实用性得分平均约为80分.
结论:
- 人工智能和大数据应用程序对于VISCOM艺术设计是有效和可靠的.
- STING算法和CNN成功地增强了设计元素的聚类和识别.
- 这种方法可以创造出适合不同场景和人口统计学特征的艺术作品.
