这是和同济大学设计人工智能实验室合作的2020版智能设计课的总结，写于2020年8月。
第一次系统化备课，其实还真蛮花精力的，要准备讲义和代码示例，而且还是全线上的方式。分享给大家~~~
通过 Hacking Design AI 的课程学习，同学们可以得到以上问题的答案。本课程聚焦在人工智能与设计的交叉领域，涵盖了数据挖掘、机器学习、深度学习、知识图谱等技术，通过论文及代码的讲解，帮助同学们建立从技术视角看待设计的思维方式、锻炼软件架构能力。本门课程由设计人工智能专家shadow老师主持，课程技术助教佳楠老师协助完成。课程由三部分构成：Level01-概览、Level02-专题、Level03-实践，每一次课包括线上讲解授课和线上集中答疑。Hacking Design AI课程的第一课以全局的视野，介绍了设计智能的技术架构、整体流程。第2课开始，由4项专题构成：色彩分类、色彩知识图谱、设计的理解与处理、自动排版。以色彩分类为例，帮助同学们理解机器学习与深度学习的主要区别：特征工程与表示学习，然后介绍了色彩分类的各种解决方案，包括相似性计算、聚类、分类等方法。最后，介绍色彩的应用场景，引导同学们开拓思维，发现身边存在的有关色彩的商业机会。通过本专题的学习帮助同学们深刻理解数据的价值、掌握数据挖掘的流程，具体包括数据采集、数据处理、数据标注技巧等，尝试自行完成探索性数据分析、数据可视化，构建色彩知识图谱。类比自然语言处理，设计的理解与处理是指机器理解并解释人类设计的能力。通过本专题同学们可以掌握计算机视觉相关算法，让计算机理解设计的方法，以及实现用于平面设计的领域特定语言（DSL）。指的是根据输入的素材（物料），自动完成素材的坐标定位、尺寸缩放、自动裁切相关的排版算法。本专题重点介绍了模板-决策树、遗传算法、生成式对抗网络、网格设计等用于自动排版的技术解决方案，以及介绍了工程化问题的处理，比如计算时间、准确率、结果可修改性 、结果可解释性等。《技术的本质: 技术是什么，它是如何进化的》 ：几乎所有的新技术都是某个已知技术的新版本……工程师在寻找解决方案的过程中，把适宜的构件选择出来，让它们组合在一起工作。组合的威力，在于它的指数级增长：一旦元素数目超过一定阈值，可能的组合数就会爆炸性增长。
作为示例，介绍了视频处理、视频内容理解相关技术，通过实践锻炼简化问题的能力，培养同学们设计复杂软件系统的架构及编程能力，最终能够在效果实现与技术难度之间做取舍，完成软件开发。最后一课是同学们自拟题材，展示对于设计智能系统的思考，重点介绍从架构设计、程序开发、成果展示等方面的见解。
部分作业成果分享：
《字体侵权检测系统的设计》
陈博|华中科技大学/纽约州立大学,建筑学,研三
🏆 最具商业价值，有可落地的商业场景，且适合用AI的方式解决。
本系统主要分为两个部分。第一部分，针对设计市场中频繁出现的字体侵权问题尝试提出字体侵权检测的解决方案，在系统的设计阶段，输入用户已购字体库，实现font to image的转化，然后针对字体的各类属性进行量化，如：视重比例，中宫比例，关键点检测等，形成已购字体的数据库；在使用阶段，通过自然场景文字检测等算法，计算用户输入的设计作品中字体的各类属性与数据库进行比对，实现字体侵权结果检测。第二部分，将一定数量的常用字体进行风格标签、和情绪标签进行特定使用场景的映射，用户在实际设计过程中，系统可以实现基于用户需要的不同使用场景和情绪表达进行字体推荐。
🏆最具geek精神，完成度高，有方案、架构、实现代码。本项目实现了一个根据商品照片和宣传文字自动生成海报的工具。为了使得生成结果更符合设计要求，本项目主要基于视觉显著性，一方面根据显著性对图像进行裁切，使得商品在海报中凸显；另一方面又通过遗传算法不断调整文字位置，使得照片显著部分被更少地遮挡。《拼接短剧生成器（鬼畜向）》
叶旎 | 浙江大学,建筑学,大五
🏆最具潜力，符合B站用户这类年轻人群体，可在热门的短视频制作领域落地。
鬼畜调教向视频无疑是B站大热视频之一，常以幽默的剧情配上带感的音乐来吸引观众，以高频率的节奏剪辑音视频来达到洗脑或喜感效果。本项目所指的视频创作不包括对原音音调进行调音，更多地是偏剧情创作。
本应用有三个功能板块串联：通过输入主题词爬取素材、通过自然语言处理进行剧情拼接、通过自动配乐技术进行视频后期处理。通过这三个功能板块，实现了依靠主题词、风格关键词等主观性创作概念的输入，自动化地进行素材筛选和组织，节省UP主工作量并创造有趣的视频。
