让机器预测平面设计作品的视觉焦点

这是一篇论文的解读，原文标题：

Learning Visual Importance for Graphic Designs and Data Visualizations

该论文解决了预测平面设计作品的视觉焦点这一问题，帮助我们预测用户点击行为，或者评估平面设计作品的设计质量，下图是其训练结果与测试结果的对比图：

该论文基于FCN像素语义分割。

Fully Convolutional Networks for Semantic Segmentation，简称FCN，是一种end-to-end的做semantic segmentation的方法。

FCN可以基于若干种结构(VGGNet, AlexNet, SIFT-Flow)。结果最好的是基于VGGNet的FCN-32/16/8s。

FCN个明显的优点：

可以接受任意大小的输入图像，而不用要求所有的训练图像和测试图像具有同样的尺寸。

可以看下本论文的训练数据，尺寸都不一样，非常自由，如下图所示：

下图为本论文的原理：

我比较关心这2个方面：

一、数据集：

训练集862组，设计图跟视觉焦点图各862张；

测试集216组。

大概有个1000组数据就可以做到此论文的预测结果，可以以此为参照，准备自己的训练数据集。

GDI (Graphic Design Importance) Dataset

二、应用：

辅助设计：

        改变字体颜色，大小，位置，都会影响视觉焦点，集成到设计工具中，可以实时地告诉用户，设计图的焦点在哪里，达到辅助设计的目的。

自动生成缩略图：

        减少很多人力去做裁切缩略图的工作，以后裁切设计图，不需要美工参与了。

论文点击“阅读原文”即可查阅。

   设计+人工智能的文章推荐： 

---

以下为广告：

付费社群--知识星球

免费社群--MixLab微信群

聚集各路跨界能手——有各领域的设计师、程序员、算法专家。

也许我们可以一块做点好玩的事情。如需入群可以联系我。

赞赏专用：

关于：

本公众号定期更新关于设计师、程序员发挥创意互相融合的指南、作品。

主要技术栈：nodejs、react native、electron、Elasticsearch、Solidity、Keras。欢迎关注，转发～