从丢失到发现:通过恢复缺失标签发现缺失的UI设计语义
设计分享网站为UI设计师提供分享作品的平台及获取灵感的机会。为便于管理和搜索数百万张UI设计图片,许多设计分享网站采用协作标签系统,将分类工作分配给社区。然而,我们的实证研究及对四位专业设计师的访谈表明,设计师往往不知道如何用简洁的文本描述为设计图片恰当添加标签,导致上传作品的标签模糊、不完整且不一致,阻碍了检索。基于深度神经网络,我们引入了一种新方法来编码视觉和文本信息,以恢复现有UI示例的缺失标签,使其更易被文本查询找到。我们在标签预测中达到了82.72%的准确率。通过5个查询的模拟测试,我们的系统平均返回的结果是默认Dribble搜索的数百倍,具有更好的相关性、多样性和满意度。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文