(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210829976.4 (22)申请日 2022.07.14 (71)申请人 广东三维家信息科技有限公司 地址 510000 广东省广州市天河区天河软 件园软件路15号 （孵化二期F栋） 9楼 902室 (72)发明人 邱辉平　海阔心　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 余菲 (51)Int.Cl. G06K 9/62(2022.01) G06F 30/13(2020.01) (54)发明名称 一种家居搭配方案生成方法、 装置、 电子设 备和存储介质 (57)摘要 本申请实施例提供一种家居搭配方案生成 方法、 装置、 电子设备和存储介质， 其中， 方法包 括： 构建特征提取模型； 训练所述特征提取模型， 得到训练后的特征提取模型； 构建评分模型； 训 练所述评分模型， 得到训练后的评分模型； 确定 第一家居； 根据所述第一家居， 利用集束搜索算 法生成所述家居搭配方案， 其中， 根据所述训练 后的特征提取模型和所述训练后的评分模型对 所述集束搜索的每步的搜索结果进行筛选， 得到 所述每步的搜索结果中的匹配方案。 实施上述实 施例， 将素材的搜索结果数学化、 抽象化， 抽离主 观因素， 从而使得生成的家具搭配方案的协调 性、 客观性更高。 权利要求书2页 说明书8页 附图6页 CN 115204291 A 2022.10.18 CN 115204291 A 1.一种家居搭配方案生成方法， 其特 征在于， 包括： 构建特征提取模型； 训练所述特 征提取模型， 得到训练后的特 征提取模型； 构建评分模型； 训练所述评分模型， 得到训练后的评分模型； 确定第一家居； 根据所述第一家居， 利用集束搜索算法生成所述家居搭配方案， 其中， 根据所述训练后 的特征提取模型和所述训练后的评 分模型对所述集束搜索的每步的搜索结果进行筛选， 得 到所述每步的搜索结果中的匹配方案 。 2.根据权利要求1所述的家居搭配方案生成方法， 其特征在于， 所述训练所述特征提取 模型的步骤， 包括： 从素材库中获取家居序列； 在素材库中获取 所述家居序列中的替换样本对应的多个负素 材； 根据所述家居序列替换样本和所述多个负素 材生成第一训练家居序列； 用掩码将所述家居序列中的替换样本进行替换， 得到第二训练家居序列； 将所述第一训练家居序列和所述第 二训练家居序列输入所述特征提取模型， 使所述特 征提取模型在所述第二训练家居序列中确定所述 替换样本 。 3.根据权利要求2所述的家居搭配方案生成方法， 其特征在于， 所述训练所述评分模型 的步骤， 还 包括： 根据所述家居序列和所述多个负素 材集合生成第三训练家居序列； 将所述第二训练家居序列和所述第 三训练家居序列输入到所述特征提取模型， 使所述 特征提取模型 学习所述素 材库中不同家居素 材之间的交 互关系。 4.根据权利要求2所述的家居搭配方案生成方法， 其特征在于， 所述训练所述特征提取 模型的步骤， 还 包括： 以交叉熵损失函数作为目标函数； 当所述交叉熵损失函数收敛时判断所述特征提取模型学会在所述第二训练家居序列 中确定所述 替换样本 。 5.根据权利要求2所述的家居搭配方案生成方法， 其特征在于， 所述训练所述评分模型 的步骤， 包括： 将所述多个负素材分别替换所述家居序列中的替换样本， 得到多个第四训练家居序 列； 根据所述训练好的特征提取模型获取所述家居序列和所述多个第四训练家居序列的 特征向量； 将所述家居序列的特征向量和所述多个第四训练家居序列的特征向量输入所述评分 模型， 得到每 个第四训练家居序列属于所述家居序列的概 率； 设定交叉熵损失函数为目标函数； 根据每个第四训练家居序列属于所述家居序列的概率判断所述交叉熵损失函数是否 收敛； 若是， 停止训练。权　利　要　求　书 1/2 页 2 CN 115204291 A 26.根据权利要求1所述的家居搭配方案生成方法， 其特征在于， 所述根据 所述训练后的 特征提取模型和所述训练后的评分模型对所述集束搜索的每步的搜索结果进 行筛选， 得到 所述每步的搜索结果中的匹配方案的步骤， 包括： 根据所述训练后的特征提取模型， 获取所述搜索结果中对应的多个候选方案对应的特 征向量； 将所述特 征向量输入到所述训练后的评分模型， 得到 评分结果； 根据所述评分结果确定所述匹配方案 。 7.根据权利要求6所述的家居搭配方案生成方法， 其特征在于， 所述确定第 一家居的步 骤， 包括： 根据启发式搜索或者颜色匹配方法确定所述第一家居。 8.一种家居搭配方案生成装置， 其特 征在于， 包括： 构建模块， 用于构建特 征提取模型； 训练模块， 用于训练所述特 征提取模型， 得到训练后的特 征提取模型； 所述构建模块还用于构建评分模型； 所述训练模块还用于训练所述评分模型， 得到训练后的评分模型； 确定模块， 用于确定第一家居； 生成模块， 用于根据所述第一家居， 利用集束搜索算法生成所述家居搭配方案， 其中， 根据所述训练后的特征提取模型和所述训练后的评分模型对所述集束搜索的每步的搜索 结果进行筛 选， 得到所述每步的搜索结果中的匹配方案 。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器以及存储在所述存储器中并可在 所述处理器上运行 的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1 ‑7 任一项所述的方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有指令， 当所述指令在计算机上运行时， 使得 所述计算机执 行如权利要求1 ‑7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115204291 A 3