论文部分内容阅读
演示文稿已经成为人们工作生活的一部分,能够实现高效的信息展示,其布局的优劣会显著影响信息交流的效果。手工方式设计演示文稿存在成本高、耗时长、不美观、不专业等问题,难以满足日益增长的超大数据量信息呈现需求。因此,根据内容自动设计条理清晰且引人注目的演示文稿的布局成为一项具有挑战性的任务。本文针对演示文稿的布局质量评价与自动布局设计问题:设计实现了基于卷积神经网络的布局质量主观评价算法,定义了布局质量的客观评价准则;对基于生成对抗网络的Layout GAN自动布局算法进行改进;设计实现了基于深度卷积生成对抗网络的自动布局算法;将遗传算法和基于深度卷积生成对抗网络的自动布局算法融合,进一步优化自动布局结果。主要工作如下:(1)利用卷积神经网络模拟人类评价过程实现对布局质量的主观评价。对于搜集和加工过的每个布局样本,将其映射为具有不同类别和属性矢量的二维网格作为网络输入,并以受测者对布局样本的主观评价作为输出数据集。在预测部分,讨论了不同容限下预测结果的准确度。(2)基于美学原则和相关布局准则定义了演示文稿布局质量的客观评价标准。主要从对齐、平衡、白色空间、尺度、重叠、边界等方面出发,采用基于能量的模型分别进行度量,并使用能量项的加权和来衡量布局的整体质量。(3)在基于生成对抗网络的Layout GAN自动布局算法的基础上,通过引入页面对象内容属性和拓扑约束对算法进行改进,实现了属性提取算法和网络训练。针对Layout GAN算法训练时间过长等问题,设计实现了基于DCGAN的自动布局算法,并对布局模型、数据预处理、网络训练和颜色连通域检测进行了说明。(4)为了降低深度卷积生成对抗网络自动布局结果的随机性,在随机初始布局的基础上,以布局结果的主观和客观评价结果作为反馈,利用遗传算法思想逐步得到整体逐渐优化的布局结果,生成器可以输出一组较高质量的布局种群。通过搜集和预处理获取训练所需的各类样本后,对基于卷积神经网络的布局主观评价进行了实验,结果表明该网络可以较好地模拟出对演示文稿布局质量的主观评价。通过对文中自动布局结果的主客观评价发现:改进的Layout GAN和DCGAN所生成的布局质量有明显改善,其中DCGAN训练效率有明显提高;融合遗传算法后的布局结果在主客观评价上有明显的局部优化效果。