案例研究 · 计算设计 · KSDS 2026
产品形态自动分析中的多视角一致性
数据驱动的设计需要对产品形状进行定量描述。本研究检验 16 张标准渲染图能否代替 3D CAD 作为输入；CAD 模型属于专有资料，很少能够获取。
所分析的七款产品之一，每款都在转台上完整旋转 360° 进行渲染。
项目概况
D. Sarfraz 与 K. Kim，UNIST
KSDS 2026 国际会议
Python（OpenCV、scikit-image），以及通过 Hugging Face Transformers 调用的 Depth-Anything-V2-Small
一个描述伸长度、对称性、轮廓不规则度或可见部件数的紧凑向量，可用于竞品比较、追踪设计演变，并把形态与感知质量等判断联系起来。CAD 本是理想的输入，却很少能获得。产品图片则随处可得，专家评估的也正是这些图片。
研究动机
由剪影与深度信号得出 23 个形态参数
每张图像先分解为剪影掩膜和深度图，再用 23 个成熟的形态参数加以概括。这些参数本身并不新；本研究的贡献在于从少量图像中自动提取全部 23 个参数。
-
1
剪影掩膜
取自 alpha 通道，或通过亮度阈值处理并填充最大轮廓得到。
-
2
单目深度
Depth-Anything-V2-Small 从单张 RGB 图像预测深度，并在掩膜范围内归一化。
-
3
23 个参数
对称性、比例、曲率、视觉复杂度、凸性、平衡和基本形状拟合。其中 15 个仅使用掩膜，8 个还结合了深度。
评估方案。七款产品分别在转台上完整旋转 360°，按两种视角数量渲染：16 个视角（每 22.5° 一张）和 180 个视角（每 2° 一张）。这七款产品是 Lemmy、Sony PSP-1000、Teenage Engineering TP-7、一款游戏手柄、一部 Nokia 手机、一台 Marshall 音箱和一支 Canon 镜头。对每个参数，一致性 = 1 − |v₁₆ − v₁₈₀| / |v₁₈₀|，再对各产品取平均。
16 个视角重现了 180 个视角的结果：23 个参数中有 20 个
高度一致（90% 及以上）。居前的是坚实度（99.9%），质心平衡、矩形度和基本形状拟合（99.8%），凸性指数（99.7%），以及对称性（99.6%）。
中等（80–90%）。子带熵（83.4%）和轴数（80.4%），二者对较小的原生尺度或整数阈值敏感。
较低（低于 80%）。凹陷部件数（76.3%）对阈值敏感，在凹陷极少的产品上表现会下降。
高吞吐量让数据集规模的形态分析成为可能
只需 16 张渲染图，几秒钟即可算出一份 23 参数的形态档案，而产品目录往往已经包含这些图片。面对成百上千款产品，这使形态参数能与专家评价配对，构建机器学习模型所需的数据集。
范围与局限
样本只有七款产品，且仅绕单一轴旋转，没有俯仰变化。整数计数类参数需要重新缩放，才能与其他参数一并报告。本研究证明的是结果在不同视角数量下的稳定性，而非几何精度；把这些向量与专家评分关联起来，是下一步的检验。
