一种包装图形自动生成方法、装置、介质及设备制造方法及图纸

本发明专利技术涉及一种包装图形自动生成方法、装置、设备及介质，属于包装设计技术领域。本发明专利技术技术方案主要包括：基于包装语言模型根据用户输入分析获得设计需求，所述设计需求包括包装类型、被包装产品类型或者设计风格，根据所述包装类型获取包装模型；基于图像生成模型根据所述被包装产品类型和所述设计风格生成设计元素图案；根据所述设计风格从模板库中调用相应的设计模板；根据所述设计元素图案和所述设计模板生成包装设计图案；将所述包装设计图案与所述包装模型相结合以生成所述包装图形。与所述包装模型相结合以生成所述包装图形。与所述包装模型相结合以生成所述包装图形。

【技术实现步骤摘要】
一种包装图形自动生成方法、装置、介质及设备


[0001]本专利技术属于包装设计
，具体而言涉及一种包装图形自动生成方法、装置、介质及设备。

技术介绍

[0002]随着市场竞争的加剧，各种产品的包装设计越来越受到企业和消费者的重视。
[0003]传统的包装设计方法耗时、耗费人力物力，且设计师与客户沟通存在误解，导致设计效果与客户需求存在一定的差距。因此，能够提高设计效率并满足客户需求，具有重要的现实意义。
[0004]本专利技术的目的在于提高包装设计图像的生产效率。

技术实现思路

[0005]鉴于上述的分析，本专利技术实施例旨在提供一种包装图形自动生成方法、装置、介质及设备，用以解决现有技术中包装设计效率低的问题。
[0006]本专利技术第一方面实施例提供一种包装图形自动生成方法，包括以下步骤：基于包装语言模型根据用户输入分析获得设计需求，所述设计需求包括包装类型、被包装产品类型或者设计风格，根据所述包装类型获取包装模型；基于图像生成模型根据所述被包装产品类型和所述设计风格生成设计元素图案；根据所述设计风格从模板库中调用相应的设计模板；根据所述设计元素图案和所述设计模板生成包装设计图案；将所述包装设计图案与所述包装模型相结合以生成所述包装图形；所述图像生成模型的训练方法包括：获取包装设计图像数据并且通过数据增强方法进行数据扩充以获得图像数据集；对所述图像数据集中的图像数据进行第三预处理以使得所述图像数据满足神经网络的输入要求；对第三预处理之后的所述图像数据进行分类，并通过卷积神经网络提取各类别的特征；根据分类后的所述图像数据训练若干嵌入式模型，以使得各所述嵌入式模型分别学习不同设计风格的特点，所述嵌入式模型包括StyleGAN；根据所述图像数据训练生成式模型，以使得所述生成式模型生成图像时可以进行优化调整，所述生成式模型包括Hypernetwork、Lora或者VAE；融合将分别具有不同风格的所述若干嵌入式模型和所述生成式模型，以训练生成所述图像生成模型，所述图像生成模型用于根据用户描述生成设计元素图像。
[0007]在一些实施例中，所述包装语言模型的训练方法包括：获取包装设计用语数据和预训练语言模型；对所述包装设计用语数据进行第一预处理，所述第一预处理包括去除HTML标签和
特殊字符、进行数据清洗以及去除停用词；对第一预处理后的所述包装设计用语数据进行分词处理，以提取所述包装设计用语数据中的关键词、短语或者行业术语；将所述关键词、短语和行业术语进行去重之后加入所述预训练语言模型的词汇表中；获取自定义包装设计数据集，包括对包装设计行业数据进行第二预处理以使得所述包装设计行业数据满足所述预训练语言模型的输入格式，进而形成所述自定义包装设计数据集；根据选定损失函数和优化器，基于所述自定义包装设计数据集对所述预训练语言模型进行微调，以更新所述预训练语言模型的网络权重和所述词汇表中词汇对应的词向量，获得所述包装语言模型。
[0008]在一些实施例中，所述分词处理包括采用文本处理工具对所述包装设计用语数据进行分词处理以获得分词结果，所述文本处理工具包括jieba分词或者THULAC；所述关键词的提取方法包括基于BERT的TextRank或者BERT关键词抽取库从所述分词结果中提取所述关键词，所述BERT关键词抽取库包括Bert
‑
extractive
‑
keywords；所述短语和所述行业术语的提取包括，通过词性标注工具对所述分词结果进行词性分析，通过组合不同词性的词汇提取包含实际意义的短语和行业术语，所述词性标注工具包括jieba词性标注或者LTP。
[0009]在一些实施例中，还包括：建立盒型库，所述包装模型包括标准刀模和标签，所述标签包括类型、尺寸、材料、适用范围描述或者制作工艺，所述类型包括盒、袋、瓶、箱或者罐；所述盒型库还包括对所述包装模型的三维建模和对所述标准刀模的二维平面图；所述根据所述包装类型获取包装模型包括，根据所述包装类型和所述标签进行匹配。
[0010]在一些实施例中，所述模板库包括预先收集的若干设计模板，所述设计模板包括文字排版、整体布局、颜色或者字体中的一种或多种的组合；还包括通过图像聚类和样式迁移算法对所述若干设计模板进行风格类别的归类；所述根据所述设计风格从模板库中调用相应的设计模板包括，根据所述设计风格和所述风格类别进行匹配。
[0011]在一些实施例中，所述包装图形包括由所述包装设计图案与所述标准刀模的二维平面图结合生成的包装刀版图；所述包装图形还包括依据所述包装模型的三维建模和所述包装设计图案生成的三维渲染图，所述三维渲染图通过实时光线追踪技术生成。
[0012]在一些实施例中，还包括通过编辑模块对所述包装图形进行编辑；所述编辑模块包括图形显示单元，所述设计方案显示单元包括所述设计方案的三维渲染图和包装刀版图；所述编辑模块包括布局编辑单元，所述布局编辑单元用于修改各所述设计元素的位置关系或者对增加或删除设计元素，所述设计元素至少包括文字元素或者图案元素；所述编辑模块还包括文字编辑单元，所述文字编辑单元用于修改和添加文字，所述文字编辑单元与所述包装语言模型通讯连接以根据用户输入生成文案；
所述编辑模块还包括图案编辑单元，所述图案编辑单元与所述图像生成模型通讯连接以根据用户输入生成图案元素。
[0013]本专利技术第二方面实施例提供一种包装图形自动生成装置，包括：需求获取模块，基于包装语言模型根据用户输入分析获得设计需求，所述设计需求包括包装类型、被包装产品类型或者设计风格，根据所述包装类型获取包装模型；图像生成模块，基于图像生成模型根据所述被包装产品类型和所述设计风格生成设计元素图案；模板获取模块，根据所述设计风格从模板库中调用相应的设计模板；第一合成模块，根据所述设计元素图案和所述设计模板生成包装设计图案；第二合成模块，将所述包装设计图案与所述包装模型相结合以生成所述包装图形；所述图像生成模型的训练方法包括：获取包装设计图像数据并且通过数据增强方法进行数据扩充以获得图像数据集；对所述图像数据集中的图像数据进行第三预处理以使得所述图像数据满足神经网络的输入要求；对第三预处理之后的所述图像数据进行分类，并通过卷积神经网络提取各类别的特征；根据分类后的所述图像数据训练若干嵌入式模型，以使得各所述嵌入式模型分别学习不同设计风格的特点，所述嵌入式模型包括StyleGAN；根据所述图像数据训练生成式模型，以使得所述生成式模型生成图像时可以进行优化调整，所述生成式模型包括Hypernetwork、Lora或者VAE；融合将分别具有不同风格的所述若干嵌入式模型和所述生成式模型，以训练生成所述图像生成模型，所述图像生成模型用于根据用户描述生成设计元素图像。
[0014]本专利技术第三方面实施例提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如上任一实施例所述的包装图形自动生成方法。
[0015]本专利技术第四方面实施例提供一种计算机可读存储介质，其上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种包装图形自动生成方法，其特征在于，包括：基于包装语言模型根据用户输入分析获得设计需求，所述设计需求包括包装类型、被包装产品类型或者设计风格，根据所述包装类型获取包装模型；基于图像生成模型根据所述被包装产品类型和所述设计风格生成设计元素图案；根据所述设计风格从模板库中调用相应的设计模板；根据所述设计元素图案和所述设计模板生成包装设计图案；将所述包装设计图案与所述包装模型相结合以生成所述包装图形；所述图像生成模型的训练方法包括：获取包装设计图像数据并且通过数据增强方法进行数据扩充以获得图像数据集；对所述图像数据集中的图像数据进行第三预处理以使得所述图像数据满足神经网络的输入要求；对第三预处理之后的所述图像数据进行分类，并通过卷积神经网络提取各类别的特征；根据分类后的所述图像数据训练若干嵌入式模型，以使得各所述嵌入式模型分别学习不同设计风格的特点，所述嵌入式模型包括StyleGAN；根据所述图像数据训练生成式模型，以使得所述生成式模型生成图像时可以进行优化调整，所述生成式模型包括Hypernetwork、Lora或者VAE；融合将分别具有不同风格的所述若干嵌入式模型和所述生成式模型，以训练生成所述图像生成模型，所述图像生成模型用于根据用户描述生成设计元素图像。2.根据权利要求1所述的包装图形自动生成方法，其特征在于：所述包装语言模型的训练方法包括：获取包装设计用语数据和预训练语言模型；对所述包装设计用语数据进行第一预处理，所述第一预处理包括去除HTML标签和特殊字符、进行数据清洗以及去除停用词；对第一预处理后的所述包装设计用语数据进行分词处理，以提取所述包装设计用语数据中的关键词、短语或者行业术语；将所述关键词、短语和行业术语进行去重之后加入所述预训练语言模型的词汇表中；获取自定义包装设计数据集，包括对包装设计行业数据进行第二预处理以使得所述包装设计行业数据满足所述预训练语言模型的输入格式，进而形成所述自定义包装设计数据集；根据选定损失函数和优化器，基于所述自定义包装设计数据集对所述预训练语言模型进行微调，以更新所述预训练语言模型的网络权重和所述词汇表中词汇对应的词向量，获得所述包装语言模型。3.根据权利要求2所述的包装图形自动生成方法，其特征在于：所述分词处理包括采用文本处理工具对所述包装设计用语数据进行分词处理以获得分词结果，所述文本处理工具包括jieba分词或者THULAC；所述关键词的提取方法包括基于BERT的TextRank或者BERT关键词抽取库从所述分词结果中提取所述关键词，所述BERT关键词抽取库包括Bert
‑
extractive
‑
keywords；所述短语和所述行业术语的提取包括，通过词性标注工具对所述分词结果进行词性分
析，通过组合不同词性的词汇提取包含实际意义的短语和行业术语，所述词性标注工具包括jieba词性标注或者LTP。4.根据权利要求1所述的包装图形自动生成方法，其特征在于，还包括：建立盒型库，所述包装模型包括标准刀模和标签，所述标签包括类型、尺寸、材料、适用范围描述或者制作工艺，所述类型包括盒、袋、瓶、箱或者罐；所述盒型库还包括对所述包装模型的三维建模和对所述标准刀模的二维平面图；所述根据所述包装类型获取...

【专利技术属性】
技术研发人员：陈彦，郝晓伟，
申请(专利权)人：大家智合北京网络科技股份有限公司，
类型：发明
国别省市：