注意力机制技术在传统CAD中智能文本生成方面的影响

《Scientific Reports》：The impact of attention mechanism technology for intelligent text generation in traditional CAD

　　

摘要

目前大多数关于传统文化智能化的研究主要集中在图像识别和风格迁移等领域。而针对传统文化艺术设计（CAD）文本的智能生成方面的研究较为分散，缺乏系统性。为此，本研究基于注意力机制对传统CAD中的智能文本生成技术进行了探索。首先，梳理了注意力机制、智能文本生成以及传统文化数字化的研究现状与局限性。随后构建了一个包含多种传统文化艺术设计特征与文本对应关系的数据集。接着，设计了一种改进的Transformer模型。在标准编码器-解码器框架的基础上，该模型增加了文化语义注意力层、多尺度时间卷积网络风格约束模块以及输出验证层，并对文化语义注意力层的动态权重计算和风格模块的多尺度特征融合机制进行了优化。实验结果表明，所提出的基于注意力机制的CAD（Attn-CAD）模型的双语评估分数（BLEU-3）达到了0.72，文化术语准确率为92.5%，风格匹配度为89.3%，尤其在陶瓷领域表现最为突出。消融实验验证了核心模块的必要性，模型在跨领域测试中的各项指标下降幅度均低于5%，证明了其通用性。从方法论角度来看，本研究解决了传统文化场景下通用模型语义关联较弱、术语准确率不足的核心问题，为传统文化的活态传承与数字化创新提供了技术支持。