本发明涉及人工智能生成，尤其涉及一种aigc技术的数字媒体设计元素优化方法及系统。
背景技术：
：：1、aigc技术（ai generated content），即人工智能生成内容技术，是利用人工智能（ai）技术自动生成各类数字信息内容。随着深度学习和大规模模型（如gpt-3、dall-e、stable diffusion等）的发展，aigc在各个行业和应用场景中得到了广泛的应用。随着数字媒体技术的快速发展，数字内容创作的需求日益增长，数字媒体设计元素作为数字内容创作的关键组成部分，在影视、广告、游戏、动画等领域中扮演着重要的角色。通过aigc技术自动化进行数字媒体设计，显著提高设计效率，降低设计成本，为设计师和普通用户提供更多的创作信息。然而，现有的aigc技术在数字媒体设计元素优化生成方面存在着对不同设计元素的理解不够全面，难以满足复杂多样的设计需求，并且缺乏对数字媒体设计元素进行深入关联分析以及随机性的数字媒体设计元素生成，导致数字媒体设计元素优化生成的效果较差，无法满足数字媒体的需求质量。技术实现思路1、基于此，本发明提供一种aigc技术的数字媒体设计元素优化方法及系统，以解决至少一个上述技术问题。2、为实现上述目的，一种aigc技术的数字媒体设计元素优化方法，包括以下步骤：3、步骤s1：利用预设的数字媒体api调用接口进行数媒多源数据采集处理，生成数媒多源数据；4、步骤s2：基于数媒多源数据进行区域拟合数媒视觉分析，生成区域拟合数媒视觉数据；根据区域拟合数媒视觉数据进行数媒设计元素分析，生成数媒设计元素数据；5、步骤s3：基于数媒设计元素数据进行各数媒设计元素类型的关联矩阵设计，生成数媒设计元素关联矩阵；6、步骤s4：获取用户数媒设计数据；根据用户数媒设计数据进行个性化数媒设计偏好特征分析，生成个性化数媒设计偏好特征数据；7、步骤s5：基于预设的对抗生成网络模型以及个性化数媒设计偏好特征数据进行用户偏好的数媒设计元素优化生成模型建立，生成初始数媒设计元素优化生成模型；将数媒设计元素关联矩阵传输至初始数媒设计元素优化生成模型进行数媒设计元素的个性化优化生成训练处理，生成个性化数媒设计元素优化生成模型；8、步骤s6：获取实时用户数媒设计元素待优化数据；将实时用户数媒设计元素待优化数据传输至个性化数媒设计元素优化生成模型进行实时用户数媒设计元素优化生成处理，生成实时用户数媒设计元素优化数据；根据实时用户数媒设计元素优化数据传输至终端执行用户数字媒体设计元素智能优化作业。9、本发明通过预设的数字媒体api接口，从多种数据源中采集相关数据，并对其进行标准化处理。这种多源数据的采集能够涵盖不同维度的设计元素，使后续的优化和生成过程基于更全面、丰富的数据，提高了数字媒体设计元素的多样性和生成效果。对多源数据进行区域拟合视觉分析，对数字媒体中不同区域的视觉特征进行提取和理解，生成区域拟合数媒视觉数据，能够发现设计元素在不同视觉区域中的分布和关联性，为优化设计元素提供了基础数据。基于区域拟合数据进行设计元素分析，能够提取出不同设计元素的视觉特征，揭示设计元素的整体视觉效果。通过建立数媒设计元素的关联矩阵，深入挖掘和表征不同设计元素之间的关联特征。该关联矩阵反映设计元素在视觉、风格、色彩等方面的内在联系，为后续的优化生成提供了一种有组织的结构化信息，这种关联特征的挖掘有助于在生成过程中保持设计元素之间的协调性和一致性，从而提升优化生成结果的整体质量和视觉效果，使生成的设计更符合实际应用需求。获取用户的数字媒体设计数据，分析用户的个性化设计偏好，更好地理解用户在设计中的风格和习惯，利用卷积神经网络等算法提取用户设计数据中的风格，并分析对应的交互特征，实现了用户个性化偏好的量化分析，为后续的设计元素优化生成提供了用户特定的参考标准，使优化生成的设计元素能够更符合用户的个性化需求，提高用户的满意度和数字媒体设计的针对性。利用对抗生成网络（gan）和用户偏好特征数据，建立用户偏好的数媒设计元素优化生成模型，使得模型能够根据用户的偏好，得到个性化的设计元素优化生成数据，通过对用户偏好特征的充分利用，使生成模型具备学习和生成用户喜爱的设计风格的能力。传输数媒设计元素关联矩阵到生成模型，进行个性化优化生成训练，进一步强化模型对不同设计元素关联特征的理解以及分析各类型设计元素优化生成的需求，从而在优化生成时更好地协调不同设计元素之间的关系。通过获取实时用户数媒设计元素待优化数据，并且依据个性化数媒设计元素优化生成模型对实时用户数媒设计元素待优化数据进行实时用户数媒设计元素优化生成处理，实现了数字媒体设计元素的实时优化能力，能够在用户提供设计元素待优化数据时，快速生成优化后的设计元素并传输至终端。满足了用户在设计过程中对即时反馈和调整的需求，大幅提高了设计效率。10、本说明书中提供一种aigc技术的数字媒体设计元素优化系统，用于执行如上述所述的aigc技术的数字媒体设计元素优化方法，该aigc技术的数字媒体设计元素优化系统包括：11、数媒多源数据采集模块，用于利用预设的数字媒体api调用接口进行数媒多源数据采集处理，生成数媒多源数据；12、数媒设计元素分析模块，用于基于数媒多源数据进行区域拟合数媒视觉分析，生成区域拟合数媒视觉数据；根据区域拟合数媒视觉数据进行数媒设计元素分析，生成数媒设计元素数据；13、数媒设计元素关联分析模块，用于基于数媒设计元素数据进行各数媒设计元素类型的关联矩阵设计，生成数媒设计元素关联矩阵；14、个性化数媒设计偏好特征分析模块，用于获取用户数媒设计数据；根据用户数媒设计数据进行个性化数媒设计偏好特征分析，生成个性化数媒设计偏好特征数据；15、设计元素优化生成模型构建模块，用于基于预设的对抗生成网络模型以及个性化数媒设计偏好特征数据进行用户偏好的数媒设计元素优化生成模型建立，生成初始数媒设计元素优化生成模型；将数媒设计元素关联矩阵传输至初始数媒设计元素优化生成模型进行数媒设计元素的个性化优化生成训练处理，生成个性化数媒设计元素优化生成模型；16、用户数字媒体设计元素优化生成模块，用于获取实时用户数媒设计元素待优化数据；将实时用户数媒设计元素待优化数据传输至个性化数媒设计元素优化生成模型进行实时用户数媒设计元素优化生成处理，生成实时用户数媒设计元素优化数据；根据实时用户数媒设计元素优化数据传输至终端执行用户数字媒体设计元素智能优化作业。17、本技术有益效果在于，通过利用预设的数字媒体api调用接口，采集多源数据并进行异构数据的标准化转换处理，使得生成的数字媒体设计元素能够综合多源数据的特征，避免了现有技术中数据来源单一的问题，更全面地理解不同的数字媒体设计元素，为后续的优化生成提供更加多样化的基础数据，并提高了数字媒体设计元素优化生成的多样性和适用性。通过分析数字媒体的视觉特征得到数媒设计元素数据，以及数媒设计元素关联特征分析，实现对各设计元素之间关联特征的深入挖掘，提高了对不同类型的设计元素理解，确保优化生成的设计元素在视觉效果和整体关联性上更加符合用户需求。通过对用户的数媒设计内容和交互行为进行分析，用于指导设计元素的优化生成，确保生成的内容更符合用户的特定偏好，并且基于对抗生成网络的优化生成模型，充分利用了用户的个性化偏好特征和设计元素关联数据，实现了数字媒体设计元素的智能化、个性化优化生成，增强了生成内容的多样性和用户偏好匹配度，提高了优化生成的效率与质量。当前第1页12当前第1页12
技术特征：1.一种aigc技术的数字媒体设计元素优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求1所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s2包括以下步骤：
4.根据权利要求3所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s22包括以下步骤：
5.根据权利要求1所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s3包括以下步骤：
6.根据权利要求1所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s4包括以下步骤：
7.根据权利要求1所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s5包括以下步骤：
8.根据权利要求7所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s52包括以下步骤：
9.根据权利要求7所述的aigc技术的数字媒体设计元素优化方法，其特征在于，步骤s54包括以下步骤：
10.一种aigc技术的数字媒体设计元素优化系统，其特征在于，用于执行如权利要求1所述的aigc技术的数字媒体设计元素优化方法，该aigc技术的数字媒体设计元素优化系统包括：
技术总结本发明涉及人工智能生成技术领域，尤其涉及一种AIGC技术的数字媒体设计元素优化方法及系统。所述方法包括以下步骤：采集数媒多源数据；根据数媒多源数据进行数媒设计元素分析，生成数媒设计元素数据；基于数媒设计元素数据设计数媒设计元素关联矩阵；分析个性化数媒设计偏好特征数据；基于预设的对抗生成网络模型以及个性化数媒设计偏好特征数据进行用户偏好的数媒设计元素优化生成模型建立，并利用数媒设计元素关联矩阵进行训练处理，生成个性化数媒设计元素优化生成模型；通过个性化数媒设计元素优化生成模型对数媒设计元素待优化数据执行用户数字媒体设计元素智能优化作业。本发明实现高质量的数字媒体设计元素智能优化生成。
技术研发人员：周永胜
受保护的技术使用者：山东科技职业学院
技术研发日：技术公布日：2024/11/26
