返回
ai可以画原画吗（让AI根据手绘原型生成HTML）
ai可以画原画吗（让AI根据手绘原型生成HTML）
2024-11-06 12:46:41  作者:似雨渗入心  网址:https://m.xinb2b.cn/tech/gup200977.html

王小新 编译自 Insight Data Blog

量子位 出品 | 公众号 QbitAI


写个网页能有多麻烦？在大多数公司里，这项工作分为三步：


1. 产品经理完成用户调研任务后，列出一系列技术要求；

2. 设计师根据这些要求来设计低保真原型，逐渐修改得到高保真原型和UI设计图；

3. 工程师将这些设计图实现为代码，最终变成用户使用的产品。

这么多环节，任何地方出一点问题，都会拉长开发周期。因此，不少公司，比如Airbnb已经开始用机器学习来提高这个过程的效率。

△ Airbnb内部的AI工具，从图纸到代码一步到位

看起来很美好，但Airbnb还没公开该模型中端到端训练的细节，以及手工设计的图像特征对该模型的贡献度。这是该公司特有的闭源解决方案专利，可能不会进行公开。

好在，一个叫Ashwin Kumar的程序员创建了一个开源版本，让开发者/设计师的工作变得更简单。

以下内容翻译自他的博客：

理想上，这个模型可以根据网站设计的简单手绘原型，很快地生成一个可用的HTML网站：


△ SketchCode模型利用手绘线框图来生成HTML网站

事实上，上面例子就是利用训练好的模型在测试集上生成的一个实际网站，代码请访问：https://github.com/ashnkumar/sketch-code。

从图像标注中获取灵感

目前要解决的问题属于一种更广泛的任务，叫做程序综合（program synthesis），即自动生成工作源代码。尽管很多程序综合研究通过自然语言规范或执行追踪法来生成代码，但在当前任务中，我会充分利用源图像，即给出的手绘线框图来展开工作。

在机器学习中有一个十分热门的研究领域，称为图像标注（image caption），目的是构建一种把图像和文本连接在一起的模型，特别是用于生成源图像内容的描述。


△ 图像标注模型生成源图像的文本描述

我从一篇pix2code论文和另一个应用这种方法的相关项目中获得灵感，决定把我的任务按照图像标注方式来实现，把绘制的网站线框图作为输入图像，并将其相应的HTML代码作为其输出内容。

注：上段提到的两个参考项目分别是

pix2code论文：https://arxiv.org/abs/1705.07962

floydhub教程：https://blog.floydhub.com/turning-design-mockups-into-code-with-deep-learning/?source=techstories.org

获取合适的数据集

确定图像标注方法后，理想中使用的训练数据集会包含成千上万对手绘线框图和对应的HTML输出代码。但是，目前还没有我想要的相关数据集，我只好为这个任务来创建数据集。

最开始，我尝试了pix2code论文给出的开源数据集，该数据集由1750张综合生成网站的截图及其相应源代码组成。


△ pix2code数据集中的生成网站图片和源代码

这是一个很好的数据集，有几个有趣的地方：

该数据集中的每个生成网站都包含几个简单的辅助程序元素，如按钮、文本框和DIV对象。尽管这意味着这个模型受限于将这些少数元素作为它的输出内容，但是这些元素可通过选择生成网络来修改和扩展。这种方法应该很容易地推广到更大的元素词汇表。

每个样本的源代码都是由领域专用语言（DSL）的令牌组成，这是该论文作者为该任务所创建的。每个令牌对应于HTML和CSS的一个片段，且加入编译器把DSL转换为运行的HTML代码。

彩色网站图像变手绘图


为了修改我的任务数据集，我要让网站图像看起来像手工绘制出的。我尝试使用Python中的OpenCV库和PIL库等工具对每张图像进行修改，包括灰度转换和轮廓检测。

最终，我决定直接修改原始网站的CSS样式表，通过执行以下操作：

1. 更改页面上元素的边框半径来平滑按钮和DIV对象的边缘；

2. 模仿绘制的草图来调整边框的粗细，并添加阴影；

3. 将原有字体更改为类似手写的字体；

最终实现的流程中还增加了一个步骤，通过添加倾斜、移动和旋转来实现图像增强，来模拟实际绘制草图中的变化。

使用图像标注模型架构

现在，我已经处理好数据集，接下来是构建模型。

我利用了图像标注中使用的模型架构，该架构由三个主要部分组成：

1. 一种使用卷积神经网络（CNN）的计算机视觉模型，从源图像提取图像特征；

2. 一种包含门控单元GRU的语言模型，对源代码令牌序列进行编码；

3. 一个解码器模型，也属于GRU单元，把前两个步骤的输出作为输入，并预测序列中的下一个令牌。


△ 以令牌序列为输入来训练模型

为了训练模型，我将源代码拆分为令牌序列。模型的输入为单个部分序列及它的源图像，其标签是文本中的下一个令牌。该模型使用交叉熵函数作为损失函数，将模型的下个预测令牌与实际的下个令牌进行比较。

在模型从头开始生成代码的过程中，该推理方式稍有不同。图像仍然通过CNN网络进行处理，但文本处理开始时仅采用一个启动序列。在每个步骤中，模型对序列中输出的下个预测令牌将会添加到当前输入序列，并作为新的输入序列送到模型中；重复此操作直到模型的预测令牌为，或该过程达到每个文本中令牌数目的预定义值。

当模型生成一组预测令牌后，编译器就会将DSL令牌转换为HTML代码，这些HTML代码可以在任何浏览器中运行。

用BLEU分数评估模型

我决定使用BLEU分数来评估模型。这是机器翻译任务中常用的一种度量标准，通过在给定相同输入的情况下，衡量机器生成的文本与人类可能产生内容的近似程度。

实际上，BLEU通过比较生成文本和参考文本的N元序列，以创建修改后的准确版本。它非常适用于这个项目，因为它会影响生成HTML代码中的实际元素，以及它们之间的相互关系。

最棒的是，我还可以通过检查生成的网站来比较当前的实际BLEU分数。


△ 观察BLEU分数

当BLEU分数为1.0时，则说明给定源图像后该模型能在正确位置设置合适的元素，而较低的BLEU分数这说明模型预测了错误元素或是把它们放在相对不合适的位置。我们最终模型在评估数据集上的BLEU分数为0.76。

福利：定制网页风格

后来，我还想到，由于该模型只生成当前页面的框架，即文本的令牌，因此我可以在编译过程中添加一个定制的CSS层，并立刻得到不同风格的生成网站。


△ 一个手绘图生成多种风格的网页

把风格定制和模型生成两个过程分开，在使用模型时带来了很多好处：

1.如果想要将SketchCode模型应用到自己公司的产品中，前端工程师可以直接使用该模型，只需更改一个CSS文件来匹配该公司的网页设计风格；

2. 该模型内置的可扩展性，即通过单一源图像，模型可以迅速编译出多种不同的预定义风格，因此用户可以设想出多种可能的网站风格，并在浏览器中浏览这些生成网页。

总结和展望

受到图像标注研究的启发，SketchCode模型能够在几秒钟内将手绘网站线框图转换为可用的HTML网站。

但是，该模型还存在一些问题，这也是我接下来可能的工作方向：

1. 由于这个模型只使用了16个元素进行训练，所以它不能预测这些数据以外的令牌。下一步方向可能是使用更多元素来生成更多的网站样本，包括网站图片，下拉菜单和窗体，可参考启动程序组件（https://getbootstrap.com/docs/4.0/components/buttons/）来获得思路；

2. 在实际网站构建中，存在很多变化。创建一个能更好反映这种变化的训练集，是提高生成效果的一种好方法，可以通过获取更多网站的HTML/CSS代码以及内容截图来提高；

3. 手绘图纸也存在很多CSS修改技巧无法捕捉到的变化。解决这个问题的一种好方法是使用生成对抗网络GAN来创建更逼真的绘制网站图像。

相关地址

代码：https://github.com/ashnkumar/sketch-code

原文：https://blog.insightdatascience.com/automated-front-end-development-using-deep-learning-3169dd086e82

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

  • 羽毛生存（羽毛生存飞翔和欲望）
  • 2024-11-06羽毛生存飞翔和欲望比起是否会飞，是否被覆羽毛更能让我们准确判断一个生物是不是鸟羽毛是什么？据说是“鸟类表皮角质化的产物”但对于非研究者来说，这样的解释恐怕只会让它变得复杂和难于理解毕竟，任何人只要曾见过野鸟或禽类，或者。
  • 每日焦点访谈记录内容（焦点访谈有所养新探索）
  • 2024-11-06焦点访谈有所养新探索央视网消息（焦点访谈）：每个人都会变老，我们都有老的那一天预计中国老年人口“十四五”末期将突破3亿人，占总人口比重超过20%，在2035年前后突破4.2亿人，将进入重度老龄化阶段养老，几乎事关每个家庭。
  • 能激励自己努力的话（一段激励自己努力的狠话）
  • 2024-11-06一段激励自己努力的狠话人对自已要狠一点，安逸舒适的人生没有前途混就混出个名堂，学就学出个样子，要么出人头地，要么人头伏地永远不要沉溺在安逸里得过且过，现在不玩命，将来命玩你，现在不努力，未来又怎么能给力对自己狠一点，逼自己。
  • 钢炼贤者之石是什么（钢炼世界最珍贵的东西）
  • 2024-11-06钢炼世界最珍贵的东西贤者之石，是一种用人练成的石头，得到他的人就能从等价交换的原则中解放出来，不需要付出任何代价就能得到任何东西，无数人想要得到他然而贤者之石并不是那么容易得到，，就像唐僧肉一样，每个人为了得到他不择手段。
  • 金庸群侠传5内测有什么好玩内容（对话金庸群侠传5）
  • 2024-11-06对话金庸群侠传5“我想证明国产单机绝对可以做出不输国外的游戏性”，这是同人游戏《金庸群侠传5》制作人的一句话也是他坚持一个人开发完《金庸群侠传5》的原因说起“金庸”，大家并不陌生，他的武侠小说和影视剧或多或少都看过而。
  • 猎狐里面王柏林为什么不追吴稼琪（猎狐为了演好王柏林）
  • 2024-11-06猎狐为了演好王柏林纳兰泽系【头条理娱君】特约作者，看娱乐热点深度解读，认准理娱君！最近正在热播的《猎狐》是国内第一部跨国刑侦剧，在王凯、王鸥、胡军等实力派明星参演下，吸引了一大波观众眼球然而，相比于这些正气凛然的角色，。
  • 康熙的哥哥福全是怎样的人（福全顺治之子康熙的亲哥哥）
  • 2024-11-06福全顺治之子康熙的亲哥哥清朝康熙四十二年（1703年）六月，康熙帝正在塞外巡视，北京八百里加急送来消息，说裕亲王福全病重康熙顿时惊慌失措，连忙下令结束行程，提前返京，遗憾的是，还未等康熙回到北京，福全已经病逝康熙非常痛心，史。
  • 学步桥小学优秀教师（教师风采展大津口藕池小学孟范亮）
  • 2024-11-06教师风采展大津口藕池小学孟范亮孟范亮，中共党员，泰山景区大津口乡教育战线上一名普普通通的兵他始终奉行这样一句话：如果你围着世界转，你将烟消云散；如果你围着一点转，世界将因此而改变他愿作生命激流中小小的旋涡，以这样的姿态，唱出自己的。
  • 派出所法制教育工作信息（迎宾路派出所深入开展法制教育）
  • 2024-11-06迎宾路派出所深入开展法制教育青少年儿童的成长关系其自身的前途和命运，为有效预防青少年儿童违法犯罪，全力营造平安、和谐校园氛围神木市迎宾路派出所长期坚持将普法教育与平安校园创建工作相结合，深入推进法治校园建设，积极开展法制进校园活。
  • 辣椒卡在喉咙怎么办（辣椒卡在喉咙解决方法）
  • 2024-11-06辣椒卡在喉咙解决方法辣椒卡在喉咙里会让我们嗓子出现异物的感觉，这时候应该不断的喝水，而且要大量的喝水，因为大量的喝水可以冲涮这些物体，使这些辣椒可以进入我们的胃，不让胃部帮助我们进行消化这个时候不要喝太热的水，因为太热的。
  • 西葫芦和鸡蛋饺子馅（西葫芦和鸡蛋饺子馅做法）
  • 2024-11-06西葫芦和鸡蛋饺子馅做法温水加入面粉中，一点一点的加，用手将面粉打成雪花状的絮絮，然后将面粉絮絮揉成一团盖湿布醒上半个小时后，揉光滑把西葫芦洗干净，鸡蛋，面粉，粉条用水泡好准备好备用西葫芦擦丝，放盐腌制10分钟，去水分鸡蛋打。
  • 实践和认识哪个更重要（实践和认识这两者哪个更加重要一些）
  • 2024-11-06实践和认识这两者哪个更加重要一些无法片面地判定二者谁更重要实践就是人们改造客观世界的一切活动，实践与认识的辩证关系在于实践是认识的基础，认识对实践有反作用科学理论对实践有指导作用，错误的理论会把实践引向歧途，由此可知，实践和认识相辅。