Как мы научили нейронную сеть для проектирования надгробий
14 июня 2025 г.Когда люди думают о машинном обучении, надгробия, вероятно, не приходят на ум. Но в одном из наиболее глубоких применений генеративного ИИ мы создали систему, которая использует машинное обучение для разработки пользовательских мемориальных продуктов - мы, в том числе надгробия - хвост, связанные с личными предпочтениями и культурной чувствительностью.
Это был не просто причудливый эксперимент ML. Это было полное применение генеративных моделей, обработки естественного языка и систем человека в петле, которые для удовлетворения очень чувствительных и глубоко человеческих потребностей: память жизни.
Проблема: проектирование с достоинством
Мемориальный дизайн - это как искусство, так и традиция. Семьи хотят чего -то личного, уважительного и часто символического. Задача заключается в том, что процесс проектирования медленный, эмоциональный налог и ограничен материалами, кладбищами и религиозными или культурными традициями.
Мы решили построить что -то, что могло бы помочь - не заменить - дизайнеры: генератор надгробий, который может создать реалистичные, значимые варианты проектирования на основе предыдущих данных и предпочтений клиентов.
Вы можете попробовать это здесь:HeadstonesDesigner.com/generator(Все учебные данные поступают с живого сайта -https://headstonesdesigner.com/)
Шаг 1: Понимание домена
Прежде чем мы коснулись Tensorflow или написали одну строку кода, мы погрузились в мир мемориального искусства. Мы учились:
- Традиционные и современные стили
- Религиозные и культурные нормы
- Материальные ограничения (гранит, мрамор и т. Д.)
- Правила кладбища, такие как ширина MAX MOMUMENT на участок
Это не было необязательно. Проектирование ИИ для такой чувствительной области, как это, требует глубокого уважения и нюанса. Понятие неправильно было не просто ошибкой UX - это было оскорбительно.
Шаг 2: Создание набора данных
Мы собрали удивительно разнообразный набор данных:
- Тысячи аннотированных изображений дизайна
- Файлы CAD существующих надгробия
- История предпочтений клиента
- Текст от надписей
- Кладбище измерения стандартов
Все это нужно было очистить, нормализовать и векторизировать. Тексты были встроены с использованием таких моделей, как Берт. Изображения были предварительно обработаны и дополнены. Это было не только добавление данных в модель, а в том, чтобы сделать этоУчимсяПолем
Шаг 3: Архитектура и обучение моделей
Мы проверили несколько типов моделей параллельно:
- Стильган2: Для получения высококачественных стилизованных изображений мемориальных дизайнов
- VAES (вариационные автоподошеры): Для интерполяции между стилями дизайна и включением контролируемых пользователей вариаций
- Трансформеры (GPT): Для генерации надписей, которые чувствовали себя личными, актуальными и уважительными
Особенно сложной частью было то, чтобы текст и визуальные эффекты соответствовали. Глобоущный камень в готическом стиле не должен иметь комиксов без надписей.
Мы обратились к этому с:
- Мультимодальное обучение: Объединение моделей зрения и языка (например, клип) для оценки выравнивания
- Условные ганс: Использование текста в качестве ввода для направления визуальной генерации
Шаг 4: Управление неизвестными
У нас было много моментов «ИИ ушел странно».
- Некоторые ранние результаты были больше похожи на модернистскую скульптуру, чем на мемориалы.
- Передача стиля иногда пересекала культурные линии неловко.
- GPT иногда сгенерировал глухих эпитафов.
Чтобы смягчить это, мы встроили обратную связь человека в петле. Дизайнеры и культурные консультанты рассмотрели результаты и ослаблены проблемы. Эта обратная связь вернулась в модель настройки.
Мы также использовали такие методы, как стилевые дискриминаторы в Gans для обеспечения соблюдения ограничений и фильтров после поколения для проверки текстового содержания.
Шаг 5: Оценка и результаты
Мы не просто смотрели на результаты. Оценка была многосторонней:
- FID счетадля реализма изображения
- Bleu оценкии человеческая оценка по точности текста
- Пользовательские исследованияиэкспертные обзорыдля эстетической и культурной верности
Конечный результат? Система, которая может генерировать эмоционально резонансные, визуально точные и контекстные конструкции надгробия.
Вы можете взаимодействовать с генератором здесь:HeadstonesDesigner.com/generator
Уроки извлечены
Некоторые выводы:
- Культурный контекст не является краевым случаем - это основное требование в чувствительных доменах дизайна.
- Генеративный ИИ является мощным, но без ограничений, он легко переходит на сверхъестественную или неуместную территорию.
- Отзывы человека не просто полезны; это обязательно.
Будущее
Мы исследуем, как эта технология может распространяться на другие области: дизайн свадебного приглашения, персонализированные награды, памятное искусство и многое другое. В любом месте дизайн-это личные и высокие ставки, есть возможность смешать генеративный ML с заботой о человеке.
Оригинал