摘要
在产品设计和创意原型制作中，判断一项知识产权原型是否准确保留了其原始概念设计的视觉特征与语义意图，是一项重要且具有挑战性的任务。现有的评估方法主要依赖人工检查或整体图像层面的相似度比较，这些方法具有主观性，难以重复，且无法精准定位那些对设计身份至关重要的差异。为解决这一问题，本文提出了PartSense-IP，这是一种基于部件感知的视觉-语言传感器融合框架，用于评估知识产权原型的视觉-语义一致性。该框架以二维概念图、可选的文本设计描述以及原型的多视角RGB-D传感器数据作为输入，首先构建多视角原型表示，并将概念图和原型数据分解为与设计相关的各个部件。随后提取密集的视觉特征、颜色与形状描述符以及视觉-语言语义嵌入值，用以评估各部件之间的一致性。进一步开发了一种基于部件感知的视觉-语义一致性融合算法（PVCF），将该算法用于整合形状、颜色、局部视觉相似度、语义对齐性以及跨视角稳定性等信息，从而得出统一的知识产权一致性评分。除了数值评分外，PartSense-IP还能生成局部差异图、3D不一致性可视化结果，以及有助于优化原型的可解读设计反馈。在针对所提出的IP-ProtoSense评估方法的实验中，结果表明PartSense-IP在一致性评分、异常检测、问题定位、方法有效性分析以及鲁棒性评估等方面，均优于现有的各类视觉-语言、密集视觉、基于分割技术以及3D多模态评估方法。
