在产品设计方面，品牌一致性是跨产品线成功的关键之一，管理品牌的本质并与利润呈正相关。每年依赖发布下一代车型的公司面临着设计一种产品的挑战，该产品要在现有产品中脱颖而出，但仍能体现品牌特色。

卡内基梅隆大学的研究人员希望通过引入可以识别视觉品牌相关特征的全自动深度学习架构来减轻产品设计师的负担。该模型称为BIGNet(品牌识别图神经网络)，使用产品的SVG图像进行训练。

BIGNet可以查明产品图像上数千条曲线之间的一致性，以识别视觉品牌。该作品发表在《机械设计杂志》上。

“在BIGNet之前，还没有使用机器学习自动提取风格相关特征的现有方法，”博士Yu-hsuan“Sean”Chen解释道。机械工程候选人。“设计师在头脑中制定了规则，但这些规则很难清晰地表达出来，并且很难跨产品线转移。”

该团队在不同的产品上测试了BIGNet，例如流行的手机品牌苹果和三星。该模型在区分两者、识别特定特征(例如屏幕间隙和相机镜头位置)方面具有100%的准确率，这些特征表明一个品牌优于另一个品牌。

为了展示BIGNet在不同产品和设计规模上的适应性和通用性，该团队针对10个汽车品牌对BIGNet进行了评估。该模型对奥迪、宝马和梅赛德斯奔驰的识别最为准确，证实了豪华车制造商比经济型汽车具有卓越的品牌一致性。

“这项技术可以为领域专家节省大量时间。公司将不再需要依赖与他们共事20多年的人来了解品牌，”陈说。

目前BIGNet是用二维直接图像实现的。研究人员渴望将他们的测试扩展到3D成像，并希望开发出的模型不仅能够识别品牌标识。例如，哪些细节使一辆“肌肉型”汽车与“运动型”汽车不同。

“通过设计语言在品牌形式化领域工作了近三十年，我发现BIGNet使用ML来发现品牌语言的潜力是一个令人兴奋的进步，具有许多潜在的应用方向，”该研究的主要作者兼负责人JonCagan说道。机械工程系。