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。

设计+人工智能的文章推荐：

设计+人工智能深度案例分析报告

DIY一个人工智能设计师_v0.0.1

人工智能设计师v0.0.2

人工智能设计师之智能排版v0.0.3

电影封面海报个性化推荐+人工智能设计师v0.0.4

人工智能「 服装设计师 」上

人工智能「 服装设计师 」中

聊聊人工智能建筑师

人工智能设计师之智能排版的另一种实现方式

论文原文：http://web.mit.edu/zoya/www/docs/predImportance_final.pdf