產(chǎn)品風(fēng)格計(jì)算研究現(xiàn)狀與展望

羅仕鑒, 王 瑤 , 劉長(zhǎng)奧, 田 馨,2,沈誠儀

(1.浙江大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院工業(yè)設(shè)計(jì)系,浙江 杭州 310027;2.貴州大學(xué) 管理學(xué)院,貴州 貴陽 550025)

0 引言

產(chǎn)品風(fēng)格研究是圍繞產(chǎn)品形態(tài)廣泛討論的話題,在不同時(shí)期,借助不同技術(shù)手段,對(duì)產(chǎn)品風(fēng)格的研究各有側(cè)重。產(chǎn)品風(fēng)格研究從定性的風(fēng)格描述框架[1]走向定量的風(fēng)格生理測(cè)量[2],從二維的風(fēng)格遷移[3]走向三維的產(chǎn)品風(fēng)格自動(dòng)生成[4],同時(shí)產(chǎn)品風(fēng)格的內(nèi)容創(chuàng)作模式歷經(jīng)專業(yè)團(tuán)隊(duì)創(chuàng)作內(nèi)容(Professionally-Generated Content,PGC)、用戶創(chuàng)作內(nèi)容(User-Generated Content,UGC),進(jìn)而步入人工智能(Artificial Intelligence,AI)輔助用戶創(chuàng)作內(nèi)容(AI aided User-Generated Content,AIUGC)階段,在2022年迎來了人工智能生成內(nèi)容(AI-Generated Content,AIGC)的嶄新階段。Stable Diffusion,DALL-2,Midjourney等文字生成圖片的智能作畫工具帶來了AI作畫的顛覆性創(chuàng)新,Open AI的大型語言生成模型ChatGPT擴(kuò)寬了基于大語言模型的智能問答,標(biāo)志著新一輪內(nèi)容創(chuàng)作模式的興起,在創(chuàng)作過程中,用戶經(jīng)常將產(chǎn)品風(fēng)格作為重要的代碼指令傳輸給人工智能工具,AI生成內(nèi)容的興起對(duì)產(chǎn)品風(fēng)格設(shè)計(jì)知識(shí)的應(yīng)用、生成、修改均提出了全新要求。

1 產(chǎn)品風(fēng)格概述

“風(fēng)格”一詞被廣泛用于描述不同事物的特征,如建筑物的風(fēng)格、文學(xué)的風(fēng)格、行為的風(fēng)格、穿著的風(fēng)格等。在美學(xué)研究領(lǐng)域,使用“風(fēng)格”概念區(qū)分不同時(shí)期、群體或者個(gè)人作品;在文學(xué)、歷史、哲學(xué)研究領(lǐng)域,將風(fēng)格作為一種分類標(biāo)準(zhǔn),按照時(shí)間順序?qū)ι鐣?huì)歷史時(shí)期的作品進(jìn)行劃分;在藝術(shù)、設(shè)計(jì)研究領(lǐng)域,則傾向于研究藝術(shù)風(fēng)格的形成、變遷和歷史,將風(fēng)格描述為作品中固定的造型和穩(wěn)定的元素,并劃分出諸如印象派、巴洛克藝術(shù)等不同的藝術(shù)流派,或者是包豪斯、國(guó)際主義風(fēng)格等不同的設(shè)計(jì)流派。產(chǎn)品設(shè)計(jì)過程中,產(chǎn)品風(fēng)格被看作是由一系列造型元素通過不同造型文法表現(xiàn)出來的獨(dú)特形式,即由一組產(chǎn)品呈現(xiàn)的共同特征所組成的集合,同一風(fēng)格的產(chǎn)品在造型的特征、規(guī)則以及給人的感覺方面有共同的集合元素[1]。風(fēng)格之間存在融合與嵌入的關(guān)系,在一個(gè)物質(zhì)載體上可以兼容多種風(fēng)格的變體,但在融合過程中特征更突出的風(fēng)格會(huì)被看作為主要風(fēng)格。

產(chǎn)品風(fēng)格的研究大致分為3個(gè)階段:第1階段為20世紀(jì)初的傳統(tǒng)產(chǎn)品風(fēng)格研究階段,研究主要針對(duì)風(fēng)格的認(rèn)知過程,學(xué)者CHEN在《風(fēng)格與創(chuàng)造力》一書中[1],對(duì)風(fēng)格的操作定義、風(fēng)格的識(shí)別程度、風(fēng)格特征極限進(jìn)行了探討,提出風(fēng)格是由產(chǎn)品中出現(xiàn)的特征和跨產(chǎn)品的特征來識(shí)別的;CHEN等[5]最早提出形式要素、鏈接關(guān)系、細(xì)節(jié)處理、材質(zhì)使用4個(gè)維度的風(fēng)格描述框架;OHKURA[6]多年來持續(xù)關(guān)注卡哇伊風(fēng)格的研究,包括生理信號(hào)與可愛風(fēng)格、可愛風(fēng)格的測(cè)量與評(píng)估等。第2階段為2010年左右的參數(shù)化產(chǎn)品風(fēng)格研究階段,針對(duì)形狀文法與參數(shù)化建模的產(chǎn)品風(fēng)格特征量化和風(fēng)格生成研究逐漸興起[7-8],隨著感性工學(xué)、遺傳算法、群智算法等技術(shù)的出現(xiàn),在歷經(jīng)20年發(fā)展后,產(chǎn)品風(fēng)格研究逐步進(jìn)入穩(wěn)定發(fā)展階段。新一代人工智能技術(shù)催生出的設(shè)計(jì)方案和設(shè)計(jì)流程的顛覆式變化,助推風(fēng)格研究進(jìn)入以智能產(chǎn)品風(fēng)格研究為主的第3階段,如圖1所示,在AIGC的科技潮流下,產(chǎn)品風(fēng)格知識(shí)扮演著重要的角色,在草圖智能生成、三維模型智能生成、二維和三維模型轉(zhuǎn)化等方面,產(chǎn)品的風(fēng)格知識(shí)都是影響生成方案差異化的重要因素。

本文從產(chǎn)品設(shè)計(jì)風(fēng)格研究的認(rèn)知和測(cè)量、產(chǎn)品設(shè)計(jì)風(fēng)格的計(jì)算、產(chǎn)品設(shè)計(jì)風(fēng)格的商業(yè)設(shè)計(jì)、產(chǎn)品設(shè)計(jì)風(fēng)格的審美評(píng)估4個(gè)維度提供了對(duì)產(chǎn)品風(fēng)格研究的初步理解,以期為設(shè)計(jì)研究人員了解產(chǎn)品風(fēng)格研究的潛在機(jī)制和進(jìn)展提供全面視角,幫助計(jì)算機(jī)科學(xué)家和工具開發(fā)人員了解設(shè)計(jì)研究人員觀點(diǎn),以及當(dāng)前研究的局限性和最佳實(shí)踐。

2 研究方法與數(shù)據(jù)收集

為確定文獻(xiàn)審查維度,執(zhí)行包括兩個(gè)階段的混合方法審查:第1階段包括一般文獻(xiàn)回顧,首先從廣泛的出版物和設(shè)計(jì)領(lǐng)域獲得論文,該階段需要以系統(tǒng)性的文獻(xiàn)審查形式提供更有價(jià)值的文獻(xiàn),進(jìn)而挑選出具有針對(duì)性的重要核心文獻(xiàn)[9];第2階段針對(duì)核心文獻(xiàn)再提供一個(gè)有針對(duì)性的比較,為了能夠清楚地抽取論述的一級(jí)主題和二級(jí)主題,采用親和圖法(KJ method),從標(biāo)簽制作、標(biāo)簽分組、圖表制作和研究解釋4個(gè)步驟進(jìn)行分析。

2.1 階段1:引文遍歷與關(guān)鍵詞搜索

使用爬蟲軟件爬取Science director& Web of science核心數(shù)據(jù)庫上的文獻(xiàn),搜索的關(guān)鍵詞為以product design style,product style feature,product styling,product form為主題發(fā)表的論文。學(xué)科領(lǐng)域?yàn)閟ocial science,computer science,engineering研究領(lǐng)域的期刊,研究中使用的數(shù)據(jù)均從WOS核心數(shù)據(jù)庫和Science director下載,發(fā)表時(shí)間為2000年～2023年,語言僅限英語,文獻(xiàn)類型包括研究論文、會(huì)議論文、綜述論文。人工對(duì)1 011篇文獻(xiàn)進(jìn)行挑選,獲得基礎(chǔ)文獻(xiàn)427篇,使用Citespace文獻(xiàn)計(jì)量軟件對(duì)其進(jìn)行分析[10],旨在從宏觀的文獻(xiàn)關(guān)鍵詞聚類和分布的角度探究產(chǎn)品風(fēng)格研究的進(jìn)展概況,為后期的維度劃分提供依據(jù)。

2.1.1 發(fā)文趨勢(shì)統(tǒng)計(jì)

圖2所示為2000年～2023年期間有關(guān)產(chǎn)品風(fēng)格設(shè)計(jì)的論文數(shù)量,每年的發(fā)文數(shù)量反映了該領(lǐng)域的發(fā)展現(xiàn)狀和研究重要的轉(zhuǎn)折點(diǎn)。自2000年以來,論文的發(fā)表數(shù)量呈上升趨勢(shì),在2005年左右,關(guān)于產(chǎn)品設(shè)計(jì)風(fēng)格的研究達(dá)到了第1個(gè)研究高峰期,該階段出現(xiàn)了很多具有代表性的論述。之后每年的發(fā)文數(shù)量也在逐漸增長(zhǎng),由于參數(shù)化建模以及遺傳算法等的引入,2011年迎來第2個(gè)研究高峰。近幾年出現(xiàn)了基于深度學(xué)習(xí)的風(fēng)格分類算法和風(fēng)格遷移算法,風(fēng)格類研究在智能設(shè)計(jì)領(lǐng)域隨之興起。發(fā)文量排名前10位的國(guó)家分別是China,USA,UK,Netherlands,South korea,France,Canada,Malaysia,Turkey,Japan。

2.1.2 關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

在文獻(xiàn)計(jì)量軟件Citespace中生成風(fēng)格研究的關(guān)鍵詞聚類分析,保留了出現(xiàn)頻率最高的425個(gè)關(guān)鍵詞(頻率≥2)。圖譜中的每個(gè)節(jié)點(diǎn)表示相關(guān)的關(guān)鍵詞,節(jié)點(diǎn)中的關(guān)鍵詞大小表示在該話題下該關(guān)鍵詞出現(xiàn)的頻率,關(guān)鍵詞越大,出現(xiàn)的頻率越高,兩個(gè)關(guān)鍵詞之間的相關(guān)關(guān)系通過節(jié)點(diǎn)之間的連線表示,連線的粗細(xì)表示兩個(gè)關(guān)鍵詞之間關(guān)系的強(qiáng)弱,連線的色彩表示發(fā)生的年份區(qū)間,根據(jù)主題分布和專家知識(shí)確定7組(彩色背景區(qū)域),以更好地理解幾個(gè)主要模式,如圖3所示。第1組為畫面右上方的群組,將其概括為人工智能群組,其中的關(guān)鍵詞包括deep learning,data minning,neural network,style transfer等當(dāng)前主流的AI方法,揭示了在AI推動(dòng)下的產(chǎn)品風(fēng)格研究是重要的研究維度;第2組為engineering design,此處關(guān)鍵詞包括fuzzy set,fuzzy logic,grey preduction,computer-aid design,kansei engineering等,為已經(jīng)在產(chǎn)品風(fēng)格研究領(lǐng)域穩(wěn)定發(fā)展和具有較多研究成果的領(lǐng)域;第3組為think and behavior,此處的關(guān)鍵詞包括brain modeling,adaptation modeling,conceptual model等,為消費(fèi)者和設(shè)計(jì)師對(duì)產(chǎn)品風(fēng)格的心理認(rèn)知研究,該領(lǐng)域從心理學(xué)研究的層面探究產(chǎn)品風(fēng)格的認(rèn)知機(jī)制;第4組為design management,此處從產(chǎn)品的全生命周期、設(shè)計(jì)管理和設(shè)計(jì)決策等角度探究創(chuàng)意企業(yè)管理過程中針對(duì)產(chǎn)品風(fēng)格的設(shè)計(jì)策略;第5組為design marketing,其中的關(guān)鍵詞包括cusomer requirement,mass customization,first impression,cultural background等,揭示了產(chǎn)品風(fēng)格設(shè)計(jì)與市場(chǎng)的重要關(guān)系;第6組為styling feature,主要圍繞產(chǎn)品風(fēng)格的定義、特征、描述語言和規(guī)則進(jìn)行研究;第7組為aesthetics estimation,討論針對(duì)產(chǎn)品風(fēng)格的美學(xué)評(píng)估和評(píng)價(jià)標(biāo)準(zhǔn)。以上針對(duì)文獻(xiàn)關(guān)鍵詞的定量分析和分組,對(duì)后期研究維度的劃分具有參考和指導(dǎo)意義。

2.2 階段2:主題提煉與分組

在定量分析427篇文獻(xiàn)的基礎(chǔ)上,結(jié)合文獻(xiàn)共現(xiàn)網(wǎng)絡(luò)分析,確定67篇核心文獻(xiàn),這些論文集分布在32種期刊。主要涵蓋設(shè)計(jì)類的Design Studies期刊、Design Issues期刊、Design Science期刊等,面向計(jì)算機(jī)應(yīng)用的美國(guó)計(jì)算機(jī)協(xié)會(huì)會(huì)議論文(Association for Computing Machinery,ACM)和國(guó)際計(jì)算機(jī)視覺與模式識(shí)別會(huì)議(IEEE Conference on Computer Vision and Pattern Recognition,CVPR),面向管理營(yíng)銷的Journal of custorm期刊、Journal of Business Research期刊等,面向工程制造的Computer-Aid Design期刊、Advanced Engineering informatics期刊等多個(gè)領(lǐng)域。從67篇核心文獻(xiàn)的每篇文獻(xiàn)中提取3個(gè)以上關(guān)鍵詞,將關(guān)鍵詞聚類得到130個(gè)增強(qiáng)標(biāo)簽,同時(shí)將關(guān)鍵詞制作為詞云,用Python中的NLTK分詞工具刪除如and,of,for等基礎(chǔ)停用詞,以及study,analysis,method,through,influenc等通用關(guān)鍵詞,如圖4所示。隨后進(jìn)行標(biāo)簽分組,整理具有相似目標(biāo)或?qū)崿F(xiàn)相似目標(biāo)的術(shù)語,獨(dú)立和相互關(guān)聯(lián)地定義各個(gè)組,進(jìn)一步明確解釋組之間的關(guān)系。本文基于問題分析、方案提出、方案評(píng)估和策略解釋4個(gè)設(shè)計(jì)階段,著眼于產(chǎn)品設(shè)計(jì)風(fēng)格研究的認(rèn)知和測(cè)量、產(chǎn)品設(shè)計(jì)風(fēng)格的計(jì)算、產(chǎn)品設(shè)計(jì)風(fēng)格的審美評(píng)估、產(chǎn)品設(shè)計(jì)風(fēng)格的商業(yè)設(shè)計(jì)4個(gè)維度,提供對(duì)跨產(chǎn)品類別風(fēng)格的基礎(chǔ)研究,如圖5所示。

從圖5中進(jìn)一步篩選三級(jí)分類的標(biāo)題,名稱包括Economic,Cultural,Design process ,Biology measure,Creativity and inspiration,Style rules,Style description,genetic algorithms,Kansei Engineering,computer-aided design,shape grammars,generative design,Style transformation,Strategy,Brand,Consumer,style recognition,Computational aesthetics共計(jì)18個(gè)關(guān)鍵主題詞,使用熱力圖統(tǒng)計(jì)2000年以來每年文獻(xiàn)中出現(xiàn)關(guān)鍵主題詞的頻率[12],如圖6所示。

3 產(chǎn)品文化風(fēng)格計(jì)算研究維度及分類

3.1 產(chǎn)品風(fēng)格的測(cè)量與識(shí)別

針對(duì)產(chǎn)品風(fēng)格測(cè)量與識(shí)別的研究主要從文化經(jīng)濟(jì)等社會(huì)因素、產(chǎn)品風(fēng)格設(shè)計(jì)的思維和設(shè)計(jì)師行為認(rèn)知、產(chǎn)品風(fēng)格的設(shè)計(jì)特征測(cè)量3個(gè)方面進(jìn)行論述,如圖7所示。

3.1.1 產(chǎn)品風(fēng)格的文化經(jīng)濟(jì)因素

風(fēng)格跟隨著時(shí)代更迭,迎合經(jīng)濟(jì)趨勢(shì)、技術(shù)創(chuàng)新、功能迭代不斷演進(jìn)變化。針對(duì)不同文化背景的目標(biāo)用戶開發(fā)帶有風(fēng)格屬性的產(chǎn)品是一項(xiàng)挑戰(zhàn),ZHOU等[13]提出卡哇伊分類神經(jīng)網(wǎng)絡(luò)模型,并比較中日女性對(duì)卡哇伊圖像的認(rèn)知差異,研究結(jié)果表明日本女性傾向于將少女感和精致的設(shè)計(jì)特征視為卡哇伊風(fēng)格,而中國(guó)女性則將孩子氣和圓潤(rùn)的元素視為卡哇伊風(fēng)格;SNELDERS等[14]研究發(fā)現(xiàn),相比其他文化風(fēng)格的網(wǎng)頁視覺作品,消費(fèi)者會(huì)對(duì)更加符合當(dāng)?shù)匚幕L(fēng)格的網(wǎng)頁視覺作品產(chǎn)生更強(qiáng)烈的信賴和關(guān)注。汽車風(fēng)格也會(huì)與特定國(guó)家/地區(qū)之間的文化認(rèn)同密切相關(guān)[15]。標(biāo)簽化的風(fēng)格類別并非一成不變,人們?nèi)粘＝佑|具有特定文化特征產(chǎn)品的頻率,以及在何種語境中接觸這些人工制品,會(huì)影響人們對(duì)這些產(chǎn)品的文化類別和亞文體的認(rèn)知,這些感知隨著接觸不同人工制品,以及關(guān)于風(fēng)格變化的明確推理而改變。SNELDERS等[16]用社會(huì)品味差異分析跨產(chǎn)品類別的設(shè)計(jì)風(fēng)格,提出Sportive,Tough,Geometric,Moderate,Authentic,Simple,Elegance 7種產(chǎn)品風(fēng)格,但因荷蘭的男女性別差異較低導(dǎo)致性別差異變量并不顯著,需要更多的針對(duì)不同文化背景的分類體系來進(jìn)一步解析。隨著地域文化和經(jīng)濟(jì)的變化,新的風(fēng)格變體(如新復(fù)古風(fēng)格)應(yīng)運(yùn)而生,CELHAY等[17]討論了包裝設(shè)計(jì)中的新復(fù)古風(fēng)格與時(shí)髦亞文化、真實(shí)性、工藝水平等價(jià)值觀之間的聯(lián)系,并描述了極簡(jiǎn)設(shè)計(jì)風(fēng)格和設(shè)計(jì)幾何學(xué)之間的關(guān)聯(lián)關(guān)系[18]。產(chǎn)品風(fēng)格文化經(jīng)濟(jì)因素的研究主要圍繞不同文化背景下,性別、年齡、收入等諸多社會(huì)因素對(duì)消費(fèi)者風(fēng)格認(rèn)知和接受程度的影響,目前仍缺少基于大規(guī)模人口學(xué)數(shù)據(jù)的風(fēng)格決策判斷理論研究及實(shí)踐應(yīng)用。

3.1.2 產(chǎn)品風(fēng)格的認(rèn)知與測(cè)量

風(fēng)格的認(rèn)知過程是一個(gè)復(fù)雜的心理變化過程,可以分為生理測(cè)量、心理測(cè)量和神經(jīng)測(cè)量三大維度,如圖8所示。STACEY[19]對(duì)設(shè)計(jì)師和普通消費(fèi)者如何在不同情景中學(xué)習(xí)、運(yùn)用知覺相似性類比和風(fēng)格概念來創(chuàng)造人工制品差異進(jìn)行探究,從風(fēng)格的定義區(qū)分、風(fēng)格的詮釋、風(fēng)格的社會(huì)區(qū)別、風(fēng)格的意義等方面,系統(tǒng)地說明了風(fēng)格特征的知覺識(shí)別和解釋推理過程;CHAN[20]解釋了風(fēng)格與創(chuàng)造力之間的認(rèn)知關(guān)系,并提出4個(gè)特征數(shù)量是定義一個(gè)風(fēng)格的最低值,同時(shí)可以通過擴(kuò)大產(chǎn)品特征的數(shù)量來擴(kuò)大風(fēng)格的辨識(shí)度。有學(xué)者提出基于圖像隱喻的產(chǎn)品情感設(shè)計(jì)方法,基于三級(jí)情感需求解碼的方式提供了將隱喻圖像轉(zhuǎn)化為情感設(shè)計(jì)元素的方法[8]。其次,采用生理測(cè)量方法對(duì)風(fēng)格感知進(jìn)行研究也是產(chǎn)品風(fēng)格認(rèn)知與測(cè)量的一個(gè)趨勢(shì),有研究通過面部表情識(shí)別系統(tǒng)證實(shí)了參與者對(duì)不同圖像風(fēng)格的反應(yīng)具有差異性[21],體現(xiàn)出參與者對(duì)不同級(jí)別的程式化圖形表現(xiàn)出明顯的情緒差異,元素簡(jiǎn)單、棱角分明的圖形更能吸引消費(fèi)者注意。LAOHAKANGVALVIT等[2]通過眼動(dòng)追蹤測(cè)量評(píng)估卡哇伊風(fēng)格的產(chǎn)品,闡明了最高和最低卡哇伊程度之間的眼球運(yùn)動(dòng)存在顯著差異,研究表明20多歲的女性往往會(huì)花更長(zhǎng)時(shí)間、更頻繁地觀看更卡哇伊的圖及其最喜歡的圖,所有參與者都傾向于花更長(zhǎng)時(shí)間在比較卡哇伊程度相似的圖片上,而且所有參與者第一次看插圖時(shí)都傾向于關(guān)注頭部區(qū)域。最后,產(chǎn)品風(fēng)格的設(shè)計(jì)與音樂、視頻等多感官刺激之間關(guān)系的研究逐漸深入,例如LIAO等[22]研究了音樂類型對(duì)設(shè)計(jì)概念草圖中所呈現(xiàn)的產(chǎn)品風(fēng)格和特征的影響,結(jié)果表明受試者在新世紀(jì)音樂中,更傾向于使用自然物體作為設(shè)計(jì)材料并打造出充滿幾何、簡(jiǎn)單、整體的設(shè)計(jì)風(fēng)格,當(dāng)處于歌劇音樂時(shí),受試者更喜歡使用人工制品作為設(shè)計(jì)材料,打造出具有仿生、彎曲、華麗和明亮特點(diǎn)的設(shè)計(jì)風(fēng)格;LIU等[23]的研究論證了用戶認(rèn)知對(duì)風(fēng)格感性評(píng)價(jià)的影響,提出聯(lián)想思維對(duì)產(chǎn)品風(fēng)格評(píng)價(jià)具有顯著影響,產(chǎn)品風(fēng)格識(shí)別和產(chǎn)品風(fēng)格評(píng)估之間無顯著相關(guān)性,僅對(duì)部分單一觀察變量有微弱影響。

產(chǎn)品風(fēng)格的認(rèn)知與測(cè)量研究中的關(guān)鍵問題包括:了解消費(fèi)者進(jìn)行風(fēng)格感知時(shí)的認(rèn)知過程,考慮聯(lián)想思維、類比思維、抽象思維在產(chǎn)品風(fēng)格設(shè)計(jì)活動(dòng)中的特征。同時(shí),目前尚未有使用眼動(dòng)追蹤、腦電、核磁共振等生理測(cè)量工具來測(cè)量風(fēng)格感知過程,有研究者將生物測(cè)量手段結(jié)合生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network,GAN)生成設(shè)計(jì)圖像[24],為將生物測(cè)量技術(shù)與人工智能算法結(jié)合以探究產(chǎn)品風(fēng)格研究提供了新途徑。

3.1.3 產(chǎn)品風(fēng)格的量化與描述

CHEN[1]最早從形式要素、鏈接關(guān)系、細(xì)節(jié)處理、材質(zhì)使用4個(gè)維度提出風(fēng)格的描述框架,還有許多學(xué)者針對(duì)單一風(fēng)格進(jìn)行了探討。DING等[25]開發(fā)并論證了一種基于基因工程的風(fēng)格表征進(jìn)化過程模型,解釋了風(fēng)格表征和風(fēng)格最大的閾值數(shù)量,并闡明了風(fēng)格表征的計(jì)算過程;ZHAO等[26]針對(duì)產(chǎn)品設(shè)計(jì)過程中風(fēng)格知識(shí)獲取不確定的問題,引入感性工學(xué)的風(fēng)格信息模型和基于粗糙集的風(fēng)格信息約簡(jiǎn)方法,通過挖掘網(wǎng)絡(luò)文本獲得風(fēng)格評(píng)價(jià)信息,構(gòu)建風(fēng)格數(shù)據(jù)表,然后通過屬性約簡(jiǎn)算法獲取代表典型產(chǎn)品風(fēng)格的知識(shí)規(guī)則;OGAWA等[27]根據(jù)感性工學(xué)理論對(duì)風(fēng)格進(jìn)行探索,以揭示風(fēng)格的本質(zhì),分析新手在創(chuàng)造和描繪風(fēng)格中的困難,探討了構(gòu)建合理的風(fēng)格特征要素設(shè)計(jì)支持系統(tǒng)的方法。風(fēng)格量化方法主要分為分類學(xué)風(fēng)格評(píng)價(jià)方法、數(shù)值風(fēng)格評(píng)價(jià)方法、混合風(fēng)格量化方法3類,其中分類學(xué)風(fēng)格評(píng)估方法包括設(shè)計(jì)特征分析法、陳式樣式測(cè)量法和形狀文法;數(shù)值風(fēng)格評(píng)價(jià)方法包括參數(shù)化輪廓方法、小波和傅立葉分解方法;混合風(fēng)格量化方法側(cè)重于將分類學(xué)風(fēng)格評(píng)估方法與數(shù)值計(jì)算法結(jié)合起來進(jìn)行相似性指數(shù)和權(quán)重識(shí)別。CULBERTSON等[28]采用形狀語法識(shí)別支持產(chǎn)品系列設(shè)計(jì)的顯著特征,以達(dá)到通過形狀語法來控制產(chǎn)品的形狀變化;HYUN等[29]提出基于產(chǎn)品外觀相似度的汽車設(shè)計(jì)風(fēng)格分析方法,通過采用混合風(fēng)格量化方法檢驗(yàn)產(chǎn)品外觀相似性的品牌風(fēng)格來評(píng)估設(shè)計(jì)備選方案。

目前,針對(duì)產(chǎn)品風(fēng)格的量化方法和描述規(guī)則的研究已經(jīng)趨于穩(wěn)定,在人工智能和數(shù)字孿生背景下,需要關(guān)注產(chǎn)品風(fēng)格的智能化生成、評(píng)價(jià)指標(biāo)量化和權(quán)重計(jì)算,以更好地輔助人工智能驅(qū)動(dòng)產(chǎn)品風(fēng)格造型的生成與評(píng)估。

3.2 產(chǎn)品風(fēng)格的計(jì)算生成與遷移

產(chǎn)品風(fēng)格的生成方法在過去20年經(jīng)歷了較大變化,2010年左右,基于形狀文化和參數(shù)化建模的生成方法成為主流。然而,近期深度學(xué)習(xí)技術(shù)和GAN技術(shù)的發(fā)展為產(chǎn)品風(fēng)格的智能生成與遷移提供了新的解決方案,如圖9所示。

3.2.1 產(chǎn)品風(fēng)格的計(jì)算生成

PARTS等[30]最早提出一種具有4種形狀描述(輪廓、分解、結(jié)構(gòu)和設(shè)計(jì))的風(fēng)格探索模型,討論了設(shè)計(jì)師應(yīng)如何修改設(shè)計(jì)作品中的語法規(guī)則以改進(jìn)產(chǎn)品風(fēng)格。KHAN等[31]提出一個(gè)使用目標(biāo)驅(qū)動(dòng)語法轉(zhuǎn)換的戰(zhàn)略風(fēng)格改變框架,該框架采用形狀文法轉(zhuǎn)換框架和風(fēng)格描述方案,通過用形容詞描述符描述語法元素的美學(xué)品質(zhì)來構(gòu)建產(chǎn)品的風(fēng)格樣式。參數(shù)化建模提供了另一種實(shí)現(xiàn)形狀語法的方法,但可能會(huì)遺漏一些語法優(yōu)勢(shì)[32],其允許對(duì)產(chǎn)品幾何結(jié)構(gòu)內(nèi)的關(guān)系進(jìn)行分層表示(取代語法規(guī)則),并允許通過修改參數(shù)來探索備選方案。OSTROSI等[33]提出一種名為樣式整體的方法,以汽車為例,第1階段評(píng)估一組基準(zhǔn)汽車樣式,第2階段建立基準(zhǔn)汽車集和特征線集之間的幾何與拓?fù)潢P(guān)系,第3階段進(jìn)行風(fēng)格因素識(shí)別,該方法的新穎之處在于將汽車風(fēng)格視為一個(gè)完整的概念;ALCAIDE-MARZAL等[32]提出基于參數(shù)化建模的產(chǎn)品設(shè)計(jì)三維形狀生成方法,用于捕獲產(chǎn)品外觀的語法概念,在借助CAD工具的同時(shí)引入審美因素,給出用于生成設(shè)計(jì)變體的草圖轉(zhuǎn)換規(guī)則,并用參數(shù)化建模器構(gòu)建三維形狀。遺傳算法是另一種普遍使用的產(chǎn)品風(fēng)格生成方法,很多研究將遺傳算法應(yīng)用于設(shè)計(jì)探索階段。CLUZEL等[34]通過交互式遺傳算法結(jié)合二維輪廓的傅里葉分解,繪制了產(chǎn)品輪廓側(cè)視圖。SU等[35]以感性工學(xué)和產(chǎn)品形象評(píng)價(jià)為研究對(duì)象,提出一種基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的產(chǎn)品形象風(fēng)格設(shè)計(jì)方法,首先根據(jù)感性意象的研究結(jié)果構(gòu)建神經(jīng)網(wǎng)絡(luò)意象評(píng)價(jià)模型;然后根據(jù)消費(fèi)者感性形象需求,配合神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模式作為遺傳子代適應(yīng)度函數(shù),開發(fā)了基于遺傳算法的產(chǎn)品形象風(fēng)格設(shè)計(jì)模型,自動(dòng)推理出最能滿足消費(fèi)者心理需求的概念形象風(fēng)格產(chǎn)品。YANG等[36]采用多目標(biāo)協(xié)同進(jìn)化方法對(duì)產(chǎn)品的程式化參數(shù)進(jìn)行建模,然后利用遺傳算法建立風(fēng)格圖像空間與產(chǎn)品風(fēng)格參數(shù)的映射模型,最終智能生成產(chǎn)品設(shè)計(jì)方案。

近年來,深度學(xué)習(xí)方法被廣泛應(yīng)用于產(chǎn)品設(shè)計(jì),該方法基于深度學(xué)習(xí)方法的三維形狀智能生成過程中常用的體素、點(diǎn)云、網(wǎng)格、隱函數(shù)等數(shù)據(jù)表示方法,借助整體生成、結(jié)構(gòu)感知生成和交互式生成方法,隨機(jī)生成圖像。HUANG等[37]提出風(fēng)格特征分解模塊,從潛在空間分解形狀風(fēng)格表示,該方法可以生成具有目標(biāo)類別通用風(fēng)格的形狀,同時(shí)保留源形狀的內(nèi)容結(jié)構(gòu),其核心思想是基于風(fēng)格特征分解(Style Feature Decomposition Module,SFDM)自動(dòng)解耦內(nèi)容和風(fēng)格的不同特征通道,使風(fēng)格與多樣性之間達(dá)到平衡,為實(shí)現(xiàn)三維風(fēng)格遷移提供理論支撐。同時(shí),基于紋理和色彩等外部特征的三維風(fēng)格生成也是未來需要討論的內(nèi)容,StyleGAN數(shù)據(jù)集將圖像生成的過程解耦為風(fēng)格和內(nèi)容,以在一定程度上單獨(dú)控制生成圖像中的風(fēng)格[38]。

3.2.2 產(chǎn)品風(fēng)格的遷移

受到最近出現(xiàn)的GAN的推動(dòng),風(fēng)格遷移技術(shù)的發(fā)展和應(yīng)用也是產(chǎn)品風(fēng)格研究中重要的方向。風(fēng)格遷移技術(shù)在給定源產(chǎn)品、目標(biāo)產(chǎn)品、藝術(shù)風(fēng)格圖像的基礎(chǔ)上,通過生成一個(gè)神經(jīng)扭曲場(chǎng),扭曲源形狀來模仿目標(biāo)的幾何風(fēng)格以及一個(gè)神經(jīng)紋理轉(zhuǎn)換網(wǎng)絡(luò),將藝術(shù)風(fēng)格轉(zhuǎn)移到扭曲的源產(chǎn)品,從而將神經(jīng)風(fēng)格遷移方法擴(kuò)展到創(chuàng)建工業(yè)產(chǎn)品外觀領(lǐng)域[39]。有研究利用變分自編碼器(Variational Auto Encoder,VAE)從時(shí)尚產(chǎn)品圖像和歷史交易數(shù)據(jù)中發(fā)現(xiàn)的新的流行款式,自動(dòng)設(shè)計(jì)出新的“必備”的時(shí)尚產(chǎn)品,然后用深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)進(jìn)行視覺的時(shí)尚屬性學(xué)習(xí),結(jié)合從交易數(shù)據(jù)中提取的流行度屬性,通過非負(fù)矩陣分解(Nonnegative Matrix Factorization,NMF)發(fā)現(xiàn)一組風(fēng)格,最終根據(jù)發(fā)現(xiàn)的款式生成新的時(shí)尚產(chǎn)品[3]。在風(fēng)格搭配和使用過程中會(huì)存在產(chǎn)品設(shè)計(jì)時(shí)的色彩和材質(zhì)搭配問題,針對(duì)這一問題,PARK等提出一個(gè)基于對(duì)象檢測(cè)、顏色提取、材料識(shí)別和網(wǎng)絡(luò)分析的新框架推導(dǎo)家具產(chǎn)品配對(duì)原則,以8種室內(nèi)風(fēng)格為基礎(chǔ),將真實(shí)色彩、材料和家具結(jié)合,實(shí)現(xiàn)對(duì)室內(nèi)設(shè)計(jì)風(fēng)格圖像的自動(dòng)化檢索[40];陳捷等[41]將風(fēng)格遷移算法應(yīng)用于漆藝文創(chuàng)設(shè)計(jì),引入“Multi-Style Generative Network for Real-time Transfer”方案,再應(yīng)用繪圖軟件對(duì)風(fēng)格遷移生成圖案進(jìn)行二次疊加。有研究基于深度學(xué)習(xí)和感性工學(xué)方法,采用PD-GAN(probabilistic diverse GAN)技術(shù)生成具有情感偏好的產(chǎn)品概念圖像,采用快速神經(jīng)風(fēng)格遷移網(wǎng)絡(luò)自動(dòng)生成用戶偏好的產(chǎn)品圖像[42]。在商業(yè)化落地實(shí)踐中,制作二維和三維產(chǎn)品的個(gè)性化風(fēng)格場(chǎng)景成為當(dāng)下的流行趨勢(shì),例如根據(jù)指定風(fēng)格自動(dòng)合成廣告圖片[43],通過數(shù)據(jù)驅(qū)動(dòng)的方法獲得廣告圖像中的個(gè)體設(shè)計(jì)屬性和元素關(guān)系,根據(jù)指定的樣式自動(dòng)將設(shè)計(jì)元素整合進(jìn)廣告圖像中。

針對(duì)三維產(chǎn)品的風(fēng)格遷移,SEGU等[44]提出一個(gè)基于深度學(xué)習(xí)的形狀到形狀的三維風(fēng)格遷移模型3DSNet,可以以點(diǎn)云和網(wǎng)格的形式合成新的三維形狀,結(jié)合源和目標(biāo)三維模型的內(nèi)容和樣式,生成在樣式上類似于目標(biāo)的新穎形狀,同時(shí)保留源內(nèi)容。有研究利用三維風(fēng)格轉(zhuǎn)移框架3DSTNet將形狀或幾何屬性從風(fēng)格轉(zhuǎn)移到內(nèi)容三維對(duì)象[44]。NGUYEN等[4]對(duì)三維材質(zhì)樣式遷移進(jìn)行優(yōu)化,將材料風(fēng)格或情緒從圖像或視頻中提取出來,賦予目標(biāo)三維場(chǎng)景,將材料風(fēng)格或情緒從引導(dǎo)源(如圖像或視頻)轉(zhuǎn)移到目標(biāo)三維場(chǎng)景上。目前尚未出現(xiàn)可以商業(yè)化落地的三維產(chǎn)品風(fēng)格遷移應(yīng)用。

產(chǎn)品風(fēng)格生成與遷移領(lǐng)域的關(guān)鍵問題,首先是探究如何更好地將產(chǎn)品風(fēng)格化設(shè)計(jì)過程中的用戶知識(shí)和設(shè)計(jì)知識(shí)融合,利用風(fēng)格知識(shí)驅(qū)動(dòng)智能化產(chǎn)品設(shè)計(jì)框架,例如通過挖掘用戶的在線評(píng)論提取產(chǎn)品設(shè)計(jì)過程中的風(fēng)格特征關(guān)鍵詞和產(chǎn)品特征[45];其次是如何在群體協(xié)作驅(qū)動(dòng)下生成智能設(shè)計(jì)方案,當(dāng)前智能設(shè)計(jì)生成的大量二維和三維概念方案多粗糙且不完善,無法定型并傳輸?shù)街圃於?因此面臨如何對(duì)智能設(shè)計(jì)方案進(jìn)行計(jì)算、推理和優(yōu)化的問題。

3.3 產(chǎn)品風(fēng)格的商業(yè)設(shè)計(jì)

對(duì)風(fēng)格的討論不僅局限于藝術(shù)作品,風(fēng)格也是區(qū)分理想自我、個(gè)人社會(huì)地位、個(gè)人價(jià)值的重要因素,對(duì)于日常的產(chǎn)品設(shè)計(jì)(如汽車和手表等),風(fēng)格依舊是討論的重要話題,設(shè)計(jì)管理者也會(huì)致力于系列家族產(chǎn)品風(fēng)格的多樣性,以區(qū)別于競(jìng)爭(zhēng)對(duì)手,激發(fā)消費(fèi)者的積極情緒和購買欲望。產(chǎn)品的風(fēng)格涉及企業(yè)的產(chǎn)品組合、品牌構(gòu)建、市場(chǎng)營(yíng)銷等方面,因此提供鮮明的風(fēng)格特征是匹配用戶群體、進(jìn)行差異化競(jìng)爭(zhēng)的重要手段。PERSON等[46]通過造型活動(dòng)績(jī)效評(píng)價(jià)訪談,得出將產(chǎn)品銷售、新聞報(bào)道和設(shè)計(jì)獎(jiǎng)項(xiàng)作為衡量風(fēng)格造型關(guān)鍵指標(biāo)的結(jié)論,提出產(chǎn)品樣式策略的3個(gè)維度,即當(dāng)前產(chǎn)品的組合、產(chǎn)品的家族和競(jìng)爭(zhēng)對(duì)手產(chǎn)品3個(gè)需要考慮的因素,同時(shí)表明內(nèi)部因素、外部因素和個(gè)體差異會(huì)影響風(fēng)格造型的決策。針對(duì)風(fēng)格在可持續(xù)產(chǎn)品設(shè)計(jì)的討論,借助風(fēng)格的多樣性,尤其是復(fù)古風(fēng)格、極簡(jiǎn)風(fēng)格等作為增加產(chǎn)品使用壽命的策略,WALLNER等[47]提出利用永恒的設(shè)計(jì)風(fēng)格(新復(fù)古設(shè)計(jì)風(fēng)格、極簡(jiǎn)設(shè)計(jì)風(fēng)格)提高消費(fèi)者對(duì)翻新產(chǎn)品的評(píng)價(jià),新復(fù)古設(shè)計(jì)風(fēng)格的翻新產(chǎn)品能夠喚起消費(fèi)者與舊產(chǎn)品的情感聯(lián)系,極簡(jiǎn)風(fēng)格則可以適當(dāng)減少視覺疲勞、增加耐用性,因此鼓勵(lì)將極簡(jiǎn)風(fēng)格應(yīng)用于產(chǎn)品,促進(jìn)循環(huán)經(jīng)濟(jì)的發(fā)展;PERSON等[48]提出商業(yè)品牌風(fēng)格設(shè)計(jì)中用戶的接受程度,討論了品牌風(fēng)格設(shè)計(jì)中的風(fēng)格分類和歸因問題;HYUN[49]等提出一種基于產(chǎn)品外觀相似性合成汽車造型的方法,以便在概念生成階段進(jìn)行有效設(shè)計(jì),同時(shí)計(jì)算不同系列產(chǎn)品組合和競(jìng)爭(zhēng)對(duì)手產(chǎn)品的相似性,以評(píng)估戰(zhàn)略造型決策;LIU等[50]提出一種基于產(chǎn)品風(fēng)格的產(chǎn)品族設(shè)計(jì)DNA方法,討論了產(chǎn)品族設(shè)計(jì)DNA的概念及相關(guān)研究,提出以產(chǎn)品風(fēng)格因素構(gòu)建產(chǎn)品組設(shè)計(jì)的主要方法,為商業(yè)設(shè)計(jì)中的產(chǎn)品系列化設(shè)計(jì)提供思路。

產(chǎn)品風(fēng)格商業(yè)設(shè)計(jì)領(lǐng)域的關(guān)鍵問題是,首先探究如何根據(jù)消費(fèi)者的喜好自動(dòng)推薦風(fēng)格,例如DATE等[51]將神經(jīng)風(fēng)格遷移算法應(yīng)用于時(shí)裝來合成新的定制服裝,其根據(jù)用戶的喜好,從一定數(shù)量的衣服中學(xué)習(xí)用戶的時(shí)尚選擇,并以此生成新的定制服裝。其次,基于風(fēng)格屬性導(dǎo)向的市場(chǎng)營(yíng)銷戰(zhàn)略制定是當(dāng)前關(guān)注的熱點(diǎn),例如一項(xiàng)奢侈品可愛風(fēng)格研究表明,奢侈品品牌的可愛風(fēng)格(嬰兒圖式/古靈精怪)會(huì)顯著影響消費(fèi)者的品牌偏好,同時(shí)發(fā)現(xiàn)用戶的自我監(jiān)控水平對(duì)可愛風(fēng)格偏好有影響:對(duì)于低自我監(jiān)控的個(gè)體,奢侈品品牌的可愛風(fēng)格難以有效地影響品牌偏好;對(duì)于高自我監(jiān)控的個(gè)體,古靈精怪可愛風(fēng)格的奢侈品品牌比嬰兒圖式可愛風(fēng)格的奢侈品品牌更能提高個(gè)體的品牌偏好[52]。

3.4 產(chǎn)品風(fēng)格的識(shí)別與美學(xué)評(píng)估

3.4.1 產(chǎn)品風(fēng)格的智能識(shí)別

產(chǎn)品風(fēng)格的智能識(shí)別為智能生成產(chǎn)品方案后提供檢驗(yàn)方法,也為產(chǎn)品風(fēng)格生成前識(shí)別用戶風(fēng)格偏好提供支撐。當(dāng)前已有比較完善的產(chǎn)品風(fēng)格分類框架和模型。例如,WAGNER等[53]提出基于感官評(píng)價(jià)工具和模糊邏輯算法的生態(tài)時(shí)尚風(fēng)格設(shè)計(jì)分析流程,用于幫助時(shí)裝設(shè)計(jì)師評(píng)估消費(fèi)者對(duì)生態(tài)風(fēng)格的看法;LI等[54]通過機(jī)器學(xué)習(xí)的方法對(duì)汽車前臉的風(fēng)格造型進(jìn)行分類,以避免汽車的樣式出現(xiàn)重復(fù),同時(shí)幫助推理和感知汽車造型中的品牌特征,幫助設(shè)計(jì)師進(jìn)行快速分類。同樣針對(duì)汽車前臉的風(fēng)格造型識(shí)別,MA等[55]提出一種用于機(jī)器學(xué)習(xí)數(shù)據(jù)標(biāo)注的識(shí)別方法,在建立了包括8個(gè)風(fēng)格的汽車前臉數(shù)據(jù)集的基礎(chǔ)上,采用VGG19,ResNet,ViT,MAE,MLP-Mixer 5個(gè)經(jīng)典分類器對(duì)數(shù)據(jù)集進(jìn)行分類;ATAER-CANSIZOGLU等[56]采用視覺幾何組(Visual Geometry Group,VGG)方法搭建了一種采用高一致性樣本的高容量類來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的分類器,實(shí)現(xiàn)基于虛擬現(xiàn)實(shí)平臺(tái)的三維空間設(shè)計(jì)風(fēng)格推薦;KIM等[57]采用預(yù)訓(xùn)練的VGG16模型構(gòu)建室內(nèi)設(shè)計(jì)風(fēng)格識(shí)別模型;YI等[58]采用CNN作為預(yù)測(cè)模型,將房屋風(fēng)格分為17種;WANG等[59]基于CNN和channel-spatial attention實(shí)現(xiàn)了對(duì)建筑風(fēng)格的分類。

3.4.2 產(chǎn)品風(fēng)格的美學(xué)評(píng)估

產(chǎn)品風(fēng)格的認(rèn)知和判斷是對(duì)產(chǎn)品造型,以及結(jié)構(gòu)、色彩、材質(zhì)等整體感受的判斷,對(duì)產(chǎn)品風(fēng)格的美學(xué)評(píng)估是一種極其復(fù)雜的心理活動(dòng)。產(chǎn)品風(fēng)格的美學(xué)評(píng)估是對(duì)產(chǎn)品整體的美學(xué)評(píng)價(jià)過程,包括主觀評(píng)估和客觀評(píng)估(如圖10),主觀評(píng)估大多依賴定性的調(diào)查方法獲得專家給出的基礎(chǔ)維度或主觀權(quán)重,通過多種數(shù)學(xué)模型和算法轉(zhuǎn)化這些主觀視角下獲取的基礎(chǔ)數(shù)據(jù)來構(gòu)建綜合評(píng)估模型。1999年,RAMACHANDRAN等[60]從神經(jīng)美學(xué)視角研究了大腦功能和神經(jīng)狀態(tài)層面上造成美學(xué)認(rèn)知差異的因素,并提出“審美體驗(yàn)的八項(xiàng)法則”。隨著設(shè)計(jì)行業(yè)的發(fā)展,評(píng)估方法開始聚焦于用戶需求,從主觀視角出發(fā),結(jié)合感性工學(xué)[61]、遺傳算法[7]、模糊卡諾模型(Fuzzy Kano Metho,FKM)[62]、模糊層次分析法(Fuzzy Analytic Hierarchy Process,FAHP)[63]等諸多模型增強(qiáng)研究結(jié)論的科學(xué)性與準(zhǔn)確性,例如 MATSUBARA等[61]提出混合感性工學(xué)系統(tǒng),包括前向感性工學(xué)和后向感性工學(xué)兩個(gè)子系統(tǒng),前者為消費(fèi)者決策支持系統(tǒng),后者為設(shè)計(jì)師創(chuàng)作支持系統(tǒng),實(shí)現(xiàn)了消費(fèi)者與設(shè)計(jì)師的雙向決策支持。美國(guó)數(shù)學(xué)家BIRKHOFF最早用標(biāo)準(zhǔn)衡量美,提出一種科學(xué)美學(xué)研究方法,該方法采用客觀的數(shù)學(xué)方式,通過計(jì)算有序性和復(fù)雜性來計(jì)算美感,即美度,并將這種量化美學(xué)度量應(yīng)用于產(chǎn)品造型案例[64]。之后眾多研究圍繞確定美學(xué)指標(biāo)、建立美學(xué)評(píng)估模型、目標(biāo)優(yōu)化算法的整體流程開展研究[65]。

隨著計(jì)算機(jī)圖形的發(fā)展,美學(xué)評(píng)估產(chǎn)品對(duì)象也發(fā)生了改變,由產(chǎn)品二維圖像轉(zhuǎn)向產(chǎn)品三維模型。HSIAO等較早提出通過添加參數(shù)自動(dòng)生成三維產(chǎn)品模型的想法,其研究用感性工學(xué)量化消費(fèi)者對(duì)產(chǎn)品風(fēng)格的反應(yīng),基于形態(tài)學(xué)理論對(duì)產(chǎn)品風(fēng)格的特征數(shù)據(jù)進(jìn)行評(píng)估,建立產(chǎn)品風(fēng)格數(shù)據(jù)庫,通過遺傳算法生成最接近客戶想象的風(fēng)格產(chǎn)品三維模型,最后對(duì)生成的模型進(jìn)行評(píng)估與優(yōu)化,同時(shí)提出美學(xué)度量計(jì)算模型[7];VALENCIA-ROMERO等[66]進(jìn)一步將三維產(chǎn)品模型置于虛擬現(xiàn)實(shí)(Virtual Reality,VR),在VR環(huán)境中進(jìn)行離散選擇實(shí)驗(yàn),探索使用對(duì)稱、平行和連續(xù)性的量化格式塔原則作為設(shè)計(jì)原則來評(píng)估三維產(chǎn)品造型美學(xué);蘇兆婧等[67]提出一種基于目標(biāo)檢測(cè)算法YOLOv3(you only look once)和DFL-CNN(discriminative filter bank within a CNN)的設(shè)計(jì)方案智能評(píng)價(jià)模型,構(gòu)建了感性語義評(píng)價(jià)數(shù)據(jù)集,將設(shè)計(jì)評(píng)價(jià)問題轉(zhuǎn)換為識(shí)別和分類問題。

當(dāng)前客觀美學(xué)評(píng)估方法已經(jīng)成為美學(xué)評(píng)估方法的重要組成部分,通過集成以深度學(xué)習(xí)為代表的多元技術(shù),使評(píng)估維度更加多元化,能夠更好地將評(píng)估結(jié)果映射到產(chǎn)品設(shè)計(jì),主客觀美學(xué)評(píng)估結(jié)合成為產(chǎn)品美學(xué)評(píng)估的重要研究熱點(diǎn),而探討風(fēng)格因素和風(fēng)格特征點(diǎn)不同是否使審美評(píng)價(jià)存在差異仍然是一個(gè)尚未解答的問題,結(jié)合VR和增強(qiáng)現(xiàn)實(shí)(Augmented Reality,AR)的產(chǎn)品風(fēng)格評(píng)估流程與應(yīng)用也是當(dāng)前研究的一個(gè)熱點(diǎn)。

4 產(chǎn)品風(fēng)格計(jì)算的關(guān)鍵技術(shù)

4.1 產(chǎn)品風(fēng)格化設(shè)計(jì)思維的認(rèn)知與測(cè)量技術(shù)

產(chǎn)品風(fēng)格設(shè)計(jì)過程中,設(shè)計(jì)思維測(cè)量的關(guān)鍵技術(shù)主要從設(shè)計(jì)認(rèn)知、設(shè)計(jì)生理學(xué)和設(shè)計(jì)神經(jīng)生理學(xué)3方面進(jìn)行研究[68]。產(chǎn)品風(fēng)格化設(shè)計(jì)認(rèn)知的定性研究方法包括協(xié)議分析、田野實(shí)驗(yàn)、焦點(diǎn)小組、行為觀測(cè)、影子分析法等質(zhì)性研究方法[69],其中協(xié)議分析是當(dāng)前設(shè)計(jì)思維研究中比較普遍的定性研究方法,其通過不同層級(jí)的協(xié)議編碼[70]為設(shè)計(jì)過程打標(biāo)來進(jìn)行表征設(shè)計(jì)活動(dòng)[71],以此對(duì)設(shè)計(jì)流程進(jìn)行研究和說明[72]?；谏韺W(xué)的產(chǎn)品風(fēng)格化設(shè)計(jì)思維測(cè)量涉及眼動(dòng)追蹤(eye-tracking)、腦電波分析(Electroencephalogram,EEG)、心電圖(Electrocardiogram,ECG)、皮膚電(Skin Galvanic Response,SGR)、面部特征識(shí)別(face-recognition)等[73]。近年來,隨著神經(jīng)認(rèn)知科學(xué)的發(fā)展,功能性近紅外光譜(functional Near-Infrared Spectroscopy,fNIRS)和磁共振成像(Magnetic Resonance Imaging,MRI)等工具被用于闡明設(shè)計(jì)者大腦的思維過程[74]。神經(jīng)科學(xué)的研究方法利用腦成像工具來探究產(chǎn)品風(fēng)格化設(shè)計(jì)過程中的問題解決階段、設(shè)計(jì)工具和方法使用階段、識(shí)別不同風(fēng)格草圖階段的神經(jīng)影像差異[75],未來人工智能有望對(duì)大量生理數(shù)據(jù)進(jìn)行復(fù)雜分析,并通過AI代理研究模擬人類認(rèn)知[76]。

4.2 產(chǎn)品風(fēng)格化概念設(shè)計(jì)的知識(shí)提取與表達(dá)技術(shù)

產(chǎn)品的風(fēng)格設(shè)計(jì)知識(shí)是一種設(shè)計(jì)過程中的顯性知識(shí),是設(shè)計(jì)師在多年設(shè)計(jì)過程中經(jīng)過自我學(xué)習(xí)和加工獲得的個(gè)人知識(shí),當(dāng)今眾多設(shè)計(jì)企業(yè)也在試圖構(gòu)建針對(duì)企業(yè)業(yè)務(wù)場(chǎng)景的產(chǎn)品材質(zhì)色彩庫,將過去口耳相傳的非結(jié)構(gòu)化設(shè)計(jì)知識(shí)轉(zhuǎn)化為結(jié)構(gòu)性數(shù)據(jù),進(jìn)而產(chǎn)生有用的產(chǎn)品風(fēng)格設(shè)計(jì)知識(shí)。將產(chǎn)品知識(shí)(企業(yè)內(nèi)部報(bào)告、設(shè)計(jì)圖紙說明、手冊(cè)規(guī)范、產(chǎn)品規(guī)格等)和用戶知識(shí)(用戶評(píng)論、使用場(chǎng)景、交互操作、用戶畫像等)中的產(chǎn)品風(fēng)格內(nèi)容轉(zhuǎn)化為可實(shí)際應(yīng)用的產(chǎn)品設(shè)計(jì)特征參數(shù),仍然是未來重要的發(fā)展方向[77]。在產(chǎn)品風(fēng)格化概念設(shè)計(jì)的知識(shí)提取與分類階段,當(dāng)前的主流方法是采用自然語言處理(Natural Language Processing,NLP)[78]、機(jī)器學(xué)習(xí)[79]以實(shí)現(xiàn)設(shè)計(jì)風(fēng)格知識(shí)庫中的知識(shí)檢索、知識(shí)抽取、知識(shí)融合,進(jìn)而實(shí)現(xiàn)知識(shí)語義建模、設(shè)計(jì)風(fēng)格知識(shí)推薦、設(shè)計(jì)風(fēng)格語義檢索、設(shè)計(jì)風(fēng)格知識(shí)問答、設(shè)計(jì)風(fēng)格知識(shí)可視化分析等功能[80]。在產(chǎn)品風(fēng)格知識(shí)啟發(fā)與構(gòu)思階段,借助人機(jī)協(xié)作完成問題表述思維導(dǎo)圖[81]。例如WANG等[82]提出一種利用眾包用戶的評(píng)論意見生成知識(shí)圖譜的構(gòu)建方法,將眾包角案例轉(zhuǎn)換為結(jié)構(gòu)化的知識(shí)圖譜,以支持個(gè)性化的用戶需求預(yù)測(cè)和推理。知識(shí)圖譜是知識(shí)工程發(fā)展重要的前沿技術(shù),其將海量的設(shè)計(jì)知識(shí)和用戶知識(shí)轉(zhuǎn)化為結(jié)構(gòu)化、可視化、系統(tǒng)化的知識(shí)節(jié)點(diǎn)[83],挖掘產(chǎn)品風(fēng)格設(shè)計(jì)中蘊(yùn)藏的材質(zhì)、色彩、紋理、圖案等知識(shí),是構(gòu)建智能設(shè)計(jì)系統(tǒng)學(xué)習(xí)能力的基礎(chǔ)。

4.3 產(chǎn)品風(fēng)格化概念設(shè)計(jì)的生成與演化技術(shù)

產(chǎn)品風(fēng)格的自動(dòng)生成有深度GAN[84-85]、變分自動(dòng)編碼器[86]、插值算法[87]等方法,包括文本生成圖像、圖像到圖像的轉(zhuǎn)換、圖像增強(qiáng)和內(nèi)容風(fēng)格遷移4類主要應(yīng)用場(chǎng)景。帶有風(fēng)格屬性的三維形狀生成方法大致分為傳統(tǒng)三維生成方法和基于深度學(xué)習(xí)的三維生成方法[88],其中基于深度學(xué)習(xí)的形狀生成方法又可細(xì)分為整體生成方法和基于結(jié)構(gòu)感知的生成方法兩類。整體生成方法分為基于體素、點(diǎn)云、網(wǎng)格、隱函數(shù)4類形式[89-92];基于結(jié)構(gòu)感知的生成方法將三維形狀分解為基本部件或基元,并利用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)部件之間的聯(lián)系,生成更多細(xì)節(jié)的真實(shí)的三維形狀[93]。在實(shí)現(xiàn)設(shè)計(jì)方案生成的基礎(chǔ)上,更重要的是達(dá)到二維方案衍化、三維方案衍化、二維向三維方向衍化的目的,從而豐富智能方案生成的交互模式[94-96],二維設(shè)計(jì)方案的衍化的方法主要有機(jī)器學(xué)習(xí)領(lǐng)域的風(fēng)格遷移與圖像到圖像的轉(zhuǎn)換(image-to-image translation)方法。目前二維方案向三維方案衍化的方法主要應(yīng)用于基于草圖的建模系統(tǒng)中,主要方法有二維曲線正則化、三維曲線網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)等。

4.4 產(chǎn)品風(fēng)格化概念設(shè)計(jì)的智能優(yōu)化評(píng)價(jià)技術(shù)

在產(chǎn)品風(fēng)格化概念設(shè)計(jì)方案的分類與優(yōu)化階段,產(chǎn)品概念方案的優(yōu)化方法包括BP(back propagation)神經(jīng)網(wǎng)絡(luò)、遺傳算法[97-98]、群智算法,產(chǎn)品概念設(shè)計(jì)方案的挑選方法包括層次分析法、灰色關(guān)聯(lián)度分析法、蟻群算法、猶豫模糊集[99-100],還有越來越多的研究采用機(jī)器學(xué)習(xí)算法進(jìn)行概念設(shè)計(jì)方案的動(dòng)態(tài)評(píng)估和反饋。例如基于機(jī)器學(xué)習(xí)的自動(dòng)化設(shè)計(jì)概念評(píng)估,首先采用機(jī)器學(xué)習(xí)技術(shù)從設(shè)計(jì)概念中提取本體數(shù)據(jù),然后引入一種過濾策略和定量指標(biāo),根據(jù)本體數(shù)據(jù)對(duì)產(chǎn)品風(fēng)格化概念設(shè)計(jì)方案進(jìn)行評(píng)級(jí)[71]。當(dāng)前需要研究因果推斷和高階關(guān)系挖掘等推理機(jī)制和預(yù)測(cè)方法,分析設(shè)計(jì)概念、實(shí)體、屬性、關(guān)系、趨勢(shì)和演化等多粒度多側(cè)面知識(shí),提取不同設(shè)計(jì)數(shù)據(jù)和代表性基因;采用深度學(xué)習(xí)、幾何分析與處理、參數(shù)化設(shè)計(jì)、拓?fù)鋬?yōu)化等技術(shù)輔助進(jìn)行二維概念設(shè)計(jì)方案到三維模型設(shè)計(jì)方案的協(xié)同計(jì)算與優(yōu)化[101]。

5 產(chǎn)品風(fēng)格計(jì)算的研究熱點(diǎn)與發(fā)展趨勢(shì)

隨著AIGC的盛行,產(chǎn)品的色彩、材質(zhì)、風(fēng)格成為自動(dòng)化設(shè)計(jì)方案生成的關(guān)鍵要素,如何將設(shè)計(jì)知識(shí)轉(zhuǎn)化為計(jì)算機(jī)可理解、可應(yīng)用的數(shù)據(jù)知識(shí),一直是風(fēng)格研究的難點(diǎn)。同時(shí),智能設(shè)計(jì)平臺(tái)的崛起使人人參與設(shè)計(jì)協(xié)作成為可能,從而形成基于互聯(lián)網(wǎng)平臺(tái)的、群體智能協(xié)作的初步雛型,在群體智能協(xié)作過程中,設(shè)計(jì)方案由二維到三維之間的轉(zhuǎn)化和生成成為全新的熱點(diǎn)話題,如何基于批量生成的眾多設(shè)計(jì)方案,實(shí)現(xiàn)設(shè)計(jì)方案的美學(xué)評(píng)價(jià)和最優(yōu)化選擇,逐漸成為關(guān)注的焦點(diǎn)。

5.1 群智協(xié)同創(chuàng)新驅(qū)動(dòng)的產(chǎn)品風(fēng)格化設(shè)計(jì)

在群智協(xié)同創(chuàng)新過程中聚集了各學(xué)科、多角色的人才,通過智能設(shè)計(jì)平臺(tái)實(shí)現(xiàn)跨越時(shí)間、地域的線上協(xié)同設(shè)計(jì),構(gòu)建產(chǎn)品風(fēng)格數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品概念設(shè)計(jì)群智協(xié)同計(jì)算原型系統(tǒng),在“設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)—智能概念生成—群智協(xié)同優(yōu)化”之間建立鏈接。為滿足電商場(chǎng)景、運(yùn)營(yíng)場(chǎng)景、游戲場(chǎng)景下產(chǎn)品風(fēng)格的遷移和智能生成的需求,應(yīng)研究開發(fā)面向多場(chǎng)景、多用途的產(chǎn)品風(fēng)格化協(xié)作設(shè)計(jì)工具。群智協(xié)同創(chuàng)新驅(qū)動(dòng)的產(chǎn)品風(fēng)格化設(shè)計(jì)是一個(gè)動(dòng)態(tài)的評(píng)估反饋—設(shè)計(jì)調(diào)整—再評(píng)估過程,需要挖掘基于自然計(jì)算多角色交互的智能學(xué)習(xí)與推理機(jī)制,研究正向推理與反向推理,實(shí)現(xiàn)群智協(xié)同計(jì)算概念設(shè)計(jì)方案之間的雙向推理[102]。深入挖掘產(chǎn)品三維模型的風(fēng)格遷移、風(fēng)格生成和風(fēng)格融合仍然是當(dāng)前面臨的重要話題。

5.2 AIGC引領(lǐng)云端智能設(shè)計(jì)平臺(tái)的構(gòu)建

未來依托合成數(shù)據(jù)的AIGC模式將會(huì)覆蓋更多垂直化、場(chǎng)景化、個(gè)性化應(yīng)用,敏銳的風(fēng)格感知能力將在AIGC生成中賦予圖片、視頻、模型多樣化的特征?？梢酝ㄟ^輸入畫面風(fēng)格、主體、環(huán)境、光照、視角、渲染方式等文本內(nèi)容,或圖片素材、音視頻等多模態(tài)內(nèi)容進(jìn)行高質(zhì)量創(chuàng)作,因此將設(shè)計(jì)風(fēng)格知識(shí)進(jìn)行結(jié)構(gòu)化和數(shù)據(jù)化,并將業(yè)務(wù)常識(shí)中的設(shè)計(jì)風(fēng)格知識(shí)轉(zhuǎn)化為計(jì)算機(jī)可理解、可應(yīng)用、可擴(kuò)展的指令,成為新的迫切需求。AIGC的出現(xiàn)預(yù)示著用戶內(nèi)容制作成本降低和個(gè)性化內(nèi)容生產(chǎn)到來,可以借助云端數(shù)據(jù)庫的特性動(dòng)態(tài)在虛實(shí)設(shè)計(jì)空間開展立體網(wǎng)絡(luò)化協(xié)同共創(chuàng)設(shè)計(jì)活動(dòng)的設(shè)計(jì)模式。通過云端聯(lián)接起來的大規(guī)模群體,借助AIGC的多模態(tài)輸入和生成功能[103],能夠爆發(fā)遠(yuǎn)超個(gè)體能力的群體智能。

5.3 中國(guó)風(fēng)格智能文化創(chuàng)意產(chǎn)品設(shè)計(jì)

樹立“中國(guó)風(fēng)格”和文化自信的國(guó)家品牌形象,逐漸成為產(chǎn)品風(fēng)格化研究的方向,在搭建中國(guó)風(fēng)格元素解析、中國(guó)風(fēng)格數(shù)據(jù)庫的基礎(chǔ)上,探索融合中國(guó)風(fēng)格和人工智能技術(shù)的智能文化創(chuàng)意產(chǎn)品設(shè)計(jì)方法,借助基于深度學(xué)習(xí)的計(jì)算機(jī)視覺、對(duì)抗式神經(jīng)網(wǎng)絡(luò)、自然語言處理等方法,將算力和文化基因特征深度結(jié)合,把握傳統(tǒng)文化元素的現(xiàn)代化演繹,一方面擴(kuò)寬中華優(yōu)秀傳統(tǒng)文化中文化基因的應(yīng)用場(chǎng)景,另一方面將文化元素融入多種簡(jiǎn)約、自然、科技等時(shí)尚風(fēng)格,滿足當(dāng)下消費(fèi)者市場(chǎng)的多樣化中國(guó)美學(xué)風(fēng)格審美要求,最終形成面向高鐵、家具、陶瓷、智能產(chǎn)品等典型行業(yè)的中國(guó)美學(xué)風(fēng)格轉(zhuǎn)化應(yīng)用理論模型和產(chǎn)品設(shè)計(jì)標(biāo)準(zhǔn)與準(zhǔn)則。

5.4 產(chǎn)品風(fēng)格化創(chuàng)新設(shè)計(jì)生態(tài)

在新產(chǎn)業(yè)、新業(yè)態(tài)、新模式不斷落地的新時(shí)代,需要以新技術(shù)、新市場(chǎng)主體為支撐,為產(chǎn)品創(chuàng)新設(shè)計(jì)融入智能風(fēng)格計(jì)算技術(shù),為“新經(jīng)濟(jì)”的蓬勃發(fā)展助力。設(shè)計(jì)方式已逐漸由個(gè)體設(shè)計(jì)師過渡到群智設(shè)計(jì)階段,如何構(gòu)建面向設(shè)計(jì)產(chǎn)業(yè)網(wǎng)的產(chǎn)品風(fēng)格化創(chuàng)新設(shè)計(jì)生態(tài)[104],如何以產(chǎn)品風(fēng)格計(jì)算智能設(shè)計(jì)驅(qū)動(dòng)多行業(yè)場(chǎng)景體驗(yàn)的創(chuàng)新推進(jìn)、產(chǎn)業(yè)與業(yè)態(tài)更新,以推進(jìn)社會(huì)、環(huán)境和產(chǎn)業(yè)共創(chuàng)可持續(xù)發(fā)展,構(gòu)建新時(shí)代經(jīng)濟(jì)發(fā)展的新動(dòng)能,是亟待解決的問題。

6 結(jié)束語

產(chǎn)品風(fēng)格是一個(gè)多學(xué)科交叉研究,涉及心理學(xué)、計(jì)算機(jī)科學(xué)、工商管理等多個(gè)領(lǐng)域,并隨AI技術(shù)逐漸成熟,生成帶有風(fēng)格屬性的大批量產(chǎn)品概念設(shè)計(jì)也會(huì)成為未來的趨勢(shì)。設(shè)計(jì)研究人員需要系統(tǒng)化地梳理產(chǎn)品風(fēng)格設(shè)計(jì)的設(shè)計(jì)知識(shí)和用戶知識(shí)來促進(jìn)產(chǎn)品風(fēng)格研究,本文基于對(duì)427篇文獻(xiàn)的定量計(jì)量,結(jié)合親和圖法挖掘出67篇核心文獻(xiàn)的框架,從產(chǎn)品設(shè)計(jì)風(fēng)格研究的認(rèn)知和測(cè)量、產(chǎn)品設(shè)計(jì)風(fēng)格的計(jì)算、產(chǎn)品設(shè)計(jì)風(fēng)格的審美評(píng)估、產(chǎn)品設(shè)計(jì)風(fēng)格的商業(yè)設(shè)計(jì)4個(gè)維度給出了對(duì)跨產(chǎn)品類別風(fēng)格研究的基礎(chǔ)理解,并梳理了其發(fā)展趨勢(shì),需要認(rèn)識(shí)到在這4個(gè)細(xì)分領(lǐng)域中仍然需要進(jìn)一步工作,以最大化支持設(shè)計(jì)實(shí)踐。另外,為設(shè)計(jì)研究人員了解產(chǎn)品風(fēng)格研究的過去、現(xiàn)在和未來來提供了更廣泛的視野,為計(jì)算機(jī)科學(xué)家提供了產(chǎn)品風(fēng)格知識(shí)的全面視圖和研究軌跡,為產(chǎn)品風(fēng)格相關(guān)的智能工具和應(yīng)用開發(fā)提供了理論支持,從而促進(jìn)該領(lǐng)域的發(fā)展。