张宇彤, 孙利, 吴俭涛, 张硕, 孙禧, 李昌润, 赵嘉凝, 贾晓露, 韩旭
目的 针对汽车轮毂设计中“形-意”脱耦所致的设计意图与用户感知间语义失配问题,提出一种融合跨模态对比学习与多专家查询网络的智能识别方法。方法 首先,利用词对主题模型挖掘用户评论潜在语义,并结合层次分析精准筛选造型意象特征,构建汽车轮毂形态意象图文多模态数据集;其次,由12层Transformer与ResNet-50组成跨模态双编码器,分别对文本语义与视觉特征进行深层解析;再次,通过对比学习(Contrastive Learning, CL)优化特征间的余弦相似度,形成统一且细粒度的跨模态表征空间,以构建TRCL(Transformer and ResNet with Contrastive Learning)模型;最后,在TRCL基础上嵌入多专家查询网络(Multi-Expert Query Network, MEQN),令各专家子网络分别聚焦于视觉模态的特定语义维度,并运用跨模态注意力机制动态关联视觉与文本信息,以实现精细化的跨模态特征交互与融合。结果 经多项实验对比,MEQN-TRCL均优于各主流深度网络,同时消融实验亦证实其具备结构合理性与性能先进性。结论 文中方法可有效实现汽车轮毂形态特征与感性意象的精准耦合,为汽车轮毂情感设计量化决策与形态意象跨模态匹配提供新的方法路径。