面向品牌视觉智能生成的风格解耦CNN-Transformer框架

《Scientific Reports》：A disentangled CNN–transformer framework for big data-driven intelligent brand visual generation

　　

摘要

大数据推动了品牌视觉设计需求的快速增长，然而现有的智能生成方法存在细节失真和跨文化适应性差等问题。本研究提出了一种用于品牌视觉智能生成的风格解耦卷积神经网络（CNN）-Transformer框架。该框架采用双分支架构，通过CNN提取局部细节，通过Transformer提取全局风格，并利用嵌入混合器实现特征均衡融合。区域门控与风格校准模块进一步增强结构保真度。在自行构建的10个品牌多模态数据集上评估，该模型在学习感知图像块相似度（LPIPS）（0.186）和结构相似性指数（SSIM）（0.924）上均优于现有最先进方法，且在跨文化场景下风格一致性超过85%。消融实验表明，与完整模型相比，仅使用CNN分支会使LPIPS增加54.3%，证实了关键模块的贡献。本工作为大数据驱动的品牌智能设计提供了有效解决方案，并拓展了计算创意应用领域。