CN113362428A - 用于配置颜色的方法、装置、设备、介质和产品 - Google Patents
用于配置颜色的方法、装置、设备、介质和产品 Download PDFInfo
- Publication number
- CN113362428A CN113362428A CN202110734333.7A CN202110734333A CN113362428A CN 113362428 A CN113362428 A CN 113362428A CN 202110734333 A CN202110734333 A CN 202110734333A CN 113362428 A CN113362428 A CN 113362428A
- Authority
- CN
- China
- Prior art keywords
- color
- entity
- information
- chart
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000013598 vector Substances 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 57
- 230000004069 differentiation Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000013079 data visualisation Methods 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 28
- 238000005457 optimization Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Image Processing (AREA)
Abstract
本公开提供了用于配置颜色的方法、装置、设备、介质和产品,涉及计算机技术领域,尤其涉及数据可视化技术。具体实现方案为:获取图表中的图表实体集合;基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息;基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。本实现方式可以提高颜色配置效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及数据可视化技术,具体可用于图表实体颜色配置场景下。
背景技术
目前,在生成图表时,往往需要对图表中各个图表实体的颜色进行配置,例如,对图表中各个图例的颜色进行配置。
现在常用的颜色配置方式需要人工手动配置,如有经验的人员基于以往经验确定图表中各个图表实体需要进行配置的颜色。然而,人工手动配置存在着颜色配置效率低的问题。
发明内容
本公开提供了一种用于配置颜色的方法、装置、设备、介质和产品。
根据本公开的一方面,提供了一种用于配置颜色的方法,包括:获取图表中的图表实体集合;基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息;基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。
根据本公开的另一方面,提供了一种用于配置颜色的装置,包括:图表实体获取单元,被配置成获取图表中的图表实体集合;颜色确定单元,被配置成基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息;颜色配置单元,被配置成基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。
根据本公开的另一方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上任意一项用于配置颜色的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行如上任意一项用于配置颜色的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如上任意一项用于配置颜色的方法。
根据本公开的技术,提供一种用于配置颜色的方法,能够提高颜色配置效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于配置颜色的方法的一个实施例的流程图;
图3是根据本公开的用于配置颜色的方法的一个应用场景的示意图;
图4是根据本公开的用于配置颜色的方法的另一个实施例的流程图;
图5是根据本公开的用于配置颜色的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于配置颜色的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以为手机、电脑以及平板等电子设备,终端设备101、102、103中安装有用于绘制图表的图表软件,用户可以在图表软件中输入图表实体,以使图表软件自动基于图表实体构成的图表实体集合,配置各个图表实体对应的颜色。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于电视、智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如,在终端设备101、102、103获取到用户输入的各个图表实体之后,基于预设的目标函数和约束条件,确定各个图表实体对应的目标颜色信息,再将目标颜色信息发送给终端设备101、102、103,以使终端设备101、102、103基于目标颜色信息配置各个图表实体对应的颜色。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于生成信息的方法可以由终端设备101、102、103执行,也可以由服务器105执行。相应地,用于生成信息的装置可以设置于终端设备101、102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于配置颜色的方法的一个实施例的流程200。本实施例的用于配置颜色的方法,包括以下步骤:
步骤201,获取图表中的图表实体集合。
在本实施例中,执行主体(如图1中的服务器105或者终端设备101、102、103)可以从本地数据库中获取需要配置颜色的图表中的图表实体集合,也可以从预先建立连接的其他电子设备中获取需要配置颜色的图表中的图表实体集合,本实施例对此不做限定。其中,图表中的图表实体集合中包含多个图表实体,图表实体指的是用于表示图表内容的实体对象,可以包括但不限于图表主体对象、图表的数据对象、图表的主体描述对象等,其中,图表主体对象指的是图表所针对的事物,图表的数据对象指的是图表所针对事物的数据,图表的主体描述对象指的是图表所针对的事物的描述信息。例如,如果图表为针对城市人口的统计图表,图表主体对象可以为各个城市、图表的数据对象可以为各个城市的人口数据、图表的主体描述对象可以为各个城市的城市简介。
步骤202,基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息。
在本实施例中,预设的目标函数为基于图表实体与颜色信息之间的关联度和/或颜色多样化程度构建的最优化函数。约束条件为对于目标函数求解时的边界条件,用于在约束条件下,选择最优的目标颜色信息,使得目标函数能够取极值,实现颜色确定的最优化求解。这里的颜色最优指的是颜色能准确反映图表实体的含义和/或颜色的多样化程度高。可选的,基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息可以包括:基于图表实体集合中各个图表实体代入目标函数,在约束条件下对目标函数进行最优化求解,确定目标颜色信息。其中,目标函数可以包括图表实体对应的参数和颜色对应的参数。最优化求解的方式可以采用现有的对于最优化问题进行求解的方式,在此不再赘述。
具体的,执行主体在获取到图表实体集合对应的各个图表实体之后,可以先确定各个图表实体对应的数值,这里可以采用图表实体与数值的映射关系进行确定。之后,执行主体可以将各个图表实体对应的数值代入目标函数,并在约束条件对目标函数的约束下,对目标函数进行最优化求解,得到目标函数输出的与各个颜色对应的数值,再基于这些与各个颜色对应的数值,确定目标颜色信息。其中,目标颜色信息用于描述图表实体集合中各个图表实体对应的颜色,表现形式可以为上述的各个颜色对应的数值,也可以为从数值转换后的颜色类别,本实施例对此不做限定。
步骤203,基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。
在本实施例中,执行主体在确定得到目标颜色信息之后,可以对图表实体集合中的每个图表实体,根据该图表实体在目标颜色信息中对应的颜色,配置该图表实体,以使该图表实体按照相对应的颜色进行显示。
继续参见图3,其示出了根据本公开的用于配置颜色的方法的一个应用场景的示意图。在图3的应用场景中,执行主体可以先获取需要配置颜色的图表中的图表实体集合,图表实体集合包括城市A301、城市B302和城市C303。之后,执行主体可以基于图表实体集合和最优化函数304,在约束条件下,对最优化函数304进行最优化求解,得到与各个图表实体对应的目标颜色信息。目标颜色信息可以包括与城市A对应的颜色A305、与城市B对应的颜色B306以及与城市C对应的颜色C307。之后,执行主体可以基于目标颜色信息,配置各个图表实体对应的颜色,得到颜色配置后的图表308。在图表308中,可以用颜色A表示城市A、用颜色B表示城市B以及用颜色C表示城市C。
本公开上述实施例提供的用于配置颜色的方法,能够将图表实体的颜色配置问题看做最优化问题,基于目标函数和约束条件,代入图表实体进行最优化求解,确定得到需要配置的各个图表实体对应的颜色,基于这些颜色实现图表实体的颜色的自动化配置,从而提高了颜色配置效率。并且,在构建约束条件时可以考虑颜色与图表实体之间的关联度,从而使得基于目标函数和约束函数确定得到的目标颜色信息能够和图表实体之间的关联度较高,提高了确定出的颜色与图表实体之间的匹配度。此外,在构建目标函数时可以考虑上述的颜色与图表实体之间的关联度,还可以考虑颜色的多样化程度,使得最终得到的目标颜色信息之间的颜色多样化程度较为丰富,提高了图表实体之间的区分度。
继续参见图4,其示出了根据本公开的用于配置颜色的方法的另一个实施例的流程400。如图4所示,本实施例的用于配置颜色的方法可以包括以下步骤:
步骤401,获取目标文档集合。
在本实施例中,目标文档集合中可以包括多个目标文档,每个目标文档中都包含实体和颜色。执行主体可以通过爬虫技术爬取网络中同时包含实体和颜色的文字内容,基于这些文字内容进行截取生成目标文档。执行主体也可以从本地数据库中获取用户输入的各个目标文档,得到目标文档集合。
步骤402,确定目标文档集合中各个目标文档中的实体信息和颜色信息。
在本实施例中,对于目标文档集合中的每个目标文档,执行主体可以对该目标文档进行语义分析,得到该目标文档中的实体信息和颜色信息。这里的语义分析可以现有的语义分析技术,在此不再赘述。这里的实体信息指的是图表能够统计的、具有实体内容的信息,如城市名称。举例来说,假设目标文档中包含如下描述信息“城市A的建筑色彩以颜色A为主”,则可以将城市A确定为实体信息,以及将颜色A确定为颜色信息。
步骤403,确定实体信息和颜色信息之间的关联信息。
在本实施例中,在执行主体对各个目标文档进行语义分析,得到实体信息和颜色信息之后,可以进一步分析确定实体信息与颜色信息之间的关联度,得到关联信息。可选的,执行主体可以基于实体信息与颜色信息在同一目标文档出现的频次、实体信息与颜色信息在文档中的距离和/或实体信息与颜色信息在文档中的语法关联性等因素,计算用于描述实体信息和颜色信息之间关联程度的关联值,将该关联值作为关联信息。
在本实施例的一些可选的实现方式中,确定实体信息和颜色信息之间的关联信息,包括:基于实体信息确定实体向量集合;基于颜色信息确定颜色向量集合;对实体向量集合的各个实体向量与颜色向量集合中的各个颜色向量进行点积运算,确定点积信息;基于点积信息,确定实体信息和颜色信息之间的关联信息。
在本实现方式中,执行主体可以先将实体信息中的各个实体转换为相应的实体向量,得到实体向量集合,以及将颜色信息中的各个颜色转换为相应的颜色向量,得到颜色向量集合。其中,执行主体可以基于自然语言处理技术中的向量生成方式,得到各个实体对应的词向量,词向量也即是实体向量。同样的,执行主体也可以基于向量生成方式,得到各个颜色对应的颜色向量。这里的向量生成方式可以包括但不限于基于神经网络的向量映射技术、单词的共生矩阵的降维处理技术、基于预设的知识库的映射方式等,本实施例对此不做限定。进一步的,执行主体在获取到各个实体向量和各个颜色向量之后,可以对各个实体向量和各个颜色向量进行点积运算,得到点积信息。点积信息可以为点积运算得到的点积值,再基于点积值确定关联信息。其中,关联信息用于描述实体向量与颜色向量之间的关联程度,并且点积值越大表示实体向量与颜色向量之间的关联程度越高。
步骤404,基于关联信息确定约束条件。
在本实施例中,关联信息可以为各个实体向量和各个颜色向量之间的点积值,执行主体可以基于各个实体向量和各个颜色向量之间的点积值之和,确定约束条件。约束条件可以基于以下公式进行求解得到:
其中,f指的是约束函数,l指的是实体的数量,ik指的是第k个图表实体向量,ck指的是第k个颜色向量。
步骤405,获取颜色差异化指标。
在本实施例中,颜色差异化指标用于衡量颜色的多样化程度,颜色差异化指标可以基于信息熵的方式进行构建,也可以基于其他方式构建,本实施例对此不做限定。
在本实施例的一些可选的实现方式中,颜色差异化指标包括颜色熵;以及,获取颜色差异化指标,包括:基于颜色类别和信息熵计算公式,确定颜色熵。
在本实现方式中,在基于信息熵构建颜色差异化指标的情况下,颜色差异化指标可以包括颜色熵,具体的颜色熵可以基于以下公式进行确定:
h(C)=-∑c∈Cp(c)logp(c)
其中,h(C)指的是颜色熵,c指的是颜色类别,p(c)指的是颜色类别的取值概率。可见,基于将颜色类别代入信息熵计算公式,可以计算得到颜色熵。
步骤406,基于颜色差异化指标和约束条件,确定目标函数。
在本实施例中,由于颜色配置的最优化问题的目的是颜色差异化越大越好、且颜色与实体之间的关联度越高越好,因此,可以基于约束条件衡量颜色与实体之间的关联度,以及基于颜色差异化指标衡量颜色差异化程度。具体的,目标函数可以基于以下公式确定得到:
l=f-βh(c)
其中,l指的是目标函数,f指的是约束函数,h(c)指的是颜色熵,β指的是超参数。
步骤407,获取图表中的图表实体集合。
在本实施例中,针对步骤407的详细描述请参照对于步骤201的详细描述,在此不再赘述。
步骤408,确定图表实体集合中各个图表实体对应的各个目标实体向量。
在本实施例中,对于图表实体集合中的每个图表实体,可以按照上述的向量生成方式,确定与该图表实体对应的目标实体向量,得到与各个图表实体对应的各个目标实体向量。
步骤409,在约束条件下,将各个目标实体向量代入目标函数,对目标函数进行求极值运算,得到与各个目标实体向量对应的各个目标颜色向量。
在本实施例中,执行主体可以基于上述的约束函数,作为最优化求解的约束条件,并将各个目标实体向量代入目标函数,对目标函数进行求极值运算,例如求解目标函数的最大值,确定在满足约束条件下目标函数处于最大值时的目标颜色向量,将这些目标颜色向量确定为各个目标实体向量对应的各个目标颜色向量。其中,此时约束条件中的实体数量可以为目标实体向量的数量,此时的颜色类别可以为不同颜色对应的颜色向量。
步骤410,基于各个目标颜色向量,确定目标颜色信息。
在本实施例中,执行主体可以基于上述的向量生成方式,确定与各个目标颜色向量对应的目标颜色信息。
步骤411,基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。
在本实施例中,对于步骤411的详细描述请参照对于步骤203的详细描述,在此不再赘述。
本公开的上述实施例提供的用于配置颜色的方法,还可以基于目标文档集合中各个目标文档中的实体信息和颜色信息之间的关联信息,构建约束条件,使得约束条件能够反映实体与颜色之间的关联度,从而基于约束条件和颜色差异化指标确定得到目标函数,使得目标函数能够反映实体与颜色之间的关联度以及颜色之间的差异化程度,进而使得基于目标函数确定得到的颜色能够与图表实体相匹配并且能够更加多样化,提高了确定出的颜色效果。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于配置颜色的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种服务器或者终端设备中。
如图5所示,本实施例的用于配置颜色的装置500包括:图表实体获取单元501、颜色确定单元502和颜色配置单元503。
图表实体获取单元501,被配置成获取图表中的图表实体集合。
颜色确定单元502,被配置成基于预设的目标函数和约束条件,确定图表实体集合中各个图表实体对应的目标颜色信息。
颜色配置单元503,被配置成基于目标颜色信息,配置图表实体集合中各个图表实体对应的颜色。
在本实施例的一些可选的实现方式中,颜色确定单元502进一步被配置成:确定图表实体集合中各个图表实体对应的各个目标实体向量;在约束条件下,将各个目标实体向量代入目标函数,对目标函数进行求极值运算,得到与各个目标实体向量对应的各个目标颜色向量;基于各个目标颜色向量,确定目标颜色信息。
在本实施例的一些可选的实现方式中,装置还包括:文档获取单元,被配置成获取目标文档集合;信息确定单元,被配置成确定目标文档集合中各个目标文档中的实体信息和颜色信息;关联确定单元,被配置成确定实体信息和颜色信息之间的关联信息;约束确定单元,被配置成基于关联信息确定约束条件。
在本实施例的一些可选的实现方式中,关联确定单元进一步被配置成:基于实体信息确定实体向量集合;基于颜色信息确定颜色向量集合;对实体向量集合的各个实体向量与颜色向量集合中的各个颜色向量进行点积运算,确定点积信息;基于点积信息,确定实体信息和颜色信息之间的关联信息。
在本实施例的一些可选的实现方式中,上述装置还包括:函数确定单元,被配置成获取颜色差异化指标;基于颜色差异化指标和约束条件,确定目标函数。
在本实施例的一些可选的实现方式中,颜色差异化指标包括颜色熵;以及,函数确定单元进一步被配置成:基于颜色类别和信息熵计算公式,确定颜色熵。
应当理解,用于配置颜色的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用车载通话的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如用于配置颜色的方法。例如,在一些实施例中,用于配置颜色的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的用于配置颜色的方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于配置颜色的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种用于配置颜色的方法,包括:
获取图表中的图表实体集合;
基于预设的目标函数和约束条件,确定所述图表实体集合中各个图表实体对应的目标颜色信息;
基于所述目标颜色信息,配置所述图表实体集合中各个图表实体对应的颜色。
2.根据权利要求1所述的方法,其中,所述基于预设的目标函数和约束条件,确定所述图表实体集合中各个图表实体对应的目标颜色信息,包括:
确定所述图表实体集合中各个图表实体对应的各个目标实体向量;
在所述约束条件下,将所述各个目标实体向量代入所述目标函数,对所述目标函数进行求极值运算,得到与所述各个目标实体向量对应的各个目标颜色向量;
基于所述各个目标颜色向量,确定所述目标颜色信息。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获取目标文档集合;
确定所述目标文档集合中各个目标文档中的实体信息和颜色信息;
确定所述实体信息和所述颜色信息之间的关联信息;
基于所述关联信息确定所述约束条件。
4.根据权利要求3所述的方法,其中,所述确定所述实体信息和所述颜色信息之间的关联信息,包括:
基于所述实体信息确定实体向量集合;
基于所述颜色信息确定颜色向量集合;
对所述实体向量集合的各个实体向量与所述颜色向量集合中的各个颜色向量进行点积运算,确定点积信息;
基于所述点积信息,确定所述实体信息和所述颜色信息之间的所述关联信息。
5.根据权利要求1所述的方法,其中,所述方法还包括:
获取颜色差异化指标;
基于所述颜色差异化指标和所述约束条件,确定所述目标函数。
6.根据权利要求5所述的方法,其中,所述颜色差异化指标包括颜色熵;以及
所述获取颜色差异化指标,包括:
基于颜色类别和信息熵计算公式,确定所述颜色熵。
7.一种用于配置颜色的装置,包括:
图表实体获取单元,被配置成获取图表中的图表实体集合;
颜色确定单元,被配置成基于预设的目标函数和约束条件,确定所述图表实体集合中各个图表实体对应的目标颜色信息;
颜色配置单元,被配置成基于所述目标颜色信息,配置所述图表实体集合中各个图表实体对应的颜色。
8.根据权利要求7所述的装置,其中,所述颜色确定单元进一步被配置成:
确定所述图表实体集合中各个图表实体对应的各个目标实体向量;
在所述约束条件下,将所述各个目标实体向量代入所述目标函数,对所述目标函数进行求极值运算,得到与所述各个目标实体向量对应的各个目标颜色向量;
基于所述各个目标颜色向量,确定所述目标颜色信息。
9.根据权利要求7所述的装置,其中,所述装置还包括:
文档获取单元,被配置成获取目标文档集合;
信息确定单元,被配置成确定所述目标文档集合中各个目标文档中的实体信息和颜色信息;
关联确定单元,被配置成确定所述实体信息和所述颜色信息之间的关联信息;
约束确定单元,被配置成基于所述关联信息确定所述约束条件。
10.根据权利要求9所述的装置,其中,所述关联确定单元进一步被配置成:
基于所述实体信息确定实体向量集合;
基于所述颜色信息确定颜色向量集合;
对所述实体向量集合的各个实体向量与所述颜色向量集合中的各个颜色向量进行点积运算,确定点积信息;
基于所述点积信息,确定所述实体信息和所述颜色信息之间的所述关联信息。
11.根据权利要求7所述的装置,其中,所述装置还包括:
函数确定单元,被配置成获取颜色差异化指标;基于所述颜色差异化指标和所述约束条件,确定所述目标函数。
12.根据权利要求11所述的装置,其中,所述颜色差异化指标包括颜色熵;以及
所述函数确定单元进一步被配置成:
基于颜色类别和信息熵计算公式,确定所述颜色熵。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110734333.7A CN113362428B (zh) | 2021-06-30 | 2021-06-30 | 用于配置颜色的方法、装置、设备、介质和产品 |
US17/650,214 US20220156988A1 (en) | 2021-06-30 | 2022-02-07 | Method and apparatus for configuring color, device, medium and product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110734333.7A CN113362428B (zh) | 2021-06-30 | 2021-06-30 | 用于配置颜色的方法、装置、设备、介质和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362428A true CN113362428A (zh) | 2021-09-07 |
CN113362428B CN113362428B (zh) | 2023-09-15 |
Family
ID=77537472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110734333.7A Active CN113362428B (zh) | 2021-06-30 | 2021-06-30 | 用于配置颜色的方法、装置、设备、介质和产品 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220156988A1 (zh) |
CN (1) | CN113362428B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1973303A (zh) * | 2004-06-22 | 2007-05-30 | 精工爱普生株式会社 | 配色支持***、配色支持程序和存储介质、以及配色支持方法 |
CN101030251A (zh) * | 2006-03-03 | 2007-09-05 | 富士施乐株式会社 | 信息处理装置、信息处理方法及计算机可读介质 |
US20150379739A1 (en) * | 2014-06-26 | 2015-12-31 | Amazon Technologies, Inc. | Automatic color palette based recommendations |
US20170223326A1 (en) * | 2016-01-28 | 2017-08-03 | International Business Machines Corporation | Automated color adjustment of media files |
EP3410402A1 (en) * | 2017-06-02 | 2018-12-05 | Thomson Licensing | Method for color grading a visual content and corresponding electronic device, electronic assembly, computer readable program product and computer readable storage medium |
US20200159867A1 (en) * | 2018-11-16 | 2020-05-21 | International Business Machines Corporation | Self-evolving knowledge graph |
CN111292394A (zh) * | 2020-02-07 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种图像配色关系确定方法和装置 |
CN111314614A (zh) * | 2020-03-11 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置、可读介质和电子设备 |
CN111429539A (zh) * | 2020-03-24 | 2020-07-17 | 上海阿几网络技术有限公司 | 一种基于配色引擎的配色约束方法、存储介质及终端 |
CN112597745A (zh) * | 2020-12-23 | 2021-04-02 | 深圳赛安特技术服务有限公司 | 一种智能图表的生成方法、装置、计算机***及可读存储介质 |
CN112966469A (zh) * | 2021-03-08 | 2021-06-15 | 北京百度网讯科技有限公司 | 文档中的图表处理方法、装置、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090102846A1 (en) * | 2007-10-18 | 2009-04-23 | Andreas Flockermann | Rendering Graphics Using Fonts |
US11043012B2 (en) * | 2019-08-06 | 2021-06-22 | Adobe Inc. | Flow-based color transfer from source graphic to target graphic |
US11756239B2 (en) * | 2021-04-26 | 2023-09-12 | Adobe, Inc. | Multi-modal image color segmenter and editor |
-
2021
- 2021-06-30 CN CN202110734333.7A patent/CN113362428B/zh active Active
-
2022
- 2022-02-07 US US17/650,214 patent/US20220156988A1/en active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1973303A (zh) * | 2004-06-22 | 2007-05-30 | 精工爱普生株式会社 | 配色支持***、配色支持程序和存储介质、以及配色支持方法 |
CN101030251A (zh) * | 2006-03-03 | 2007-09-05 | 富士施乐株式会社 | 信息处理装置、信息处理方法及计算机可读介质 |
US20150379739A1 (en) * | 2014-06-26 | 2015-12-31 | Amazon Technologies, Inc. | Automatic color palette based recommendations |
US20170223326A1 (en) * | 2016-01-28 | 2017-08-03 | International Business Machines Corporation | Automated color adjustment of media files |
EP3410402A1 (en) * | 2017-06-02 | 2018-12-05 | Thomson Licensing | Method for color grading a visual content and corresponding electronic device, electronic assembly, computer readable program product and computer readable storage medium |
US20200159867A1 (en) * | 2018-11-16 | 2020-05-21 | International Business Machines Corporation | Self-evolving knowledge graph |
CN111292394A (zh) * | 2020-02-07 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 一种图像配色关系确定方法和装置 |
CN111314614A (zh) * | 2020-03-11 | 2020-06-19 | 北京字节跳动网络技术有限公司 | 图像的处理方法、装置、可读介质和电子设备 |
CN111429539A (zh) * | 2020-03-24 | 2020-07-17 | 上海阿几网络技术有限公司 | 一种基于配色引擎的配色约束方法、存储介质及终端 |
CN112597745A (zh) * | 2020-12-23 | 2021-04-02 | 深圳赛安特技术服务有限公司 | 一种智能图表的生成方法、装置、计算机***及可读存储介质 |
CN112966469A (zh) * | 2021-03-08 | 2021-06-15 | 北京百度网讯科技有限公司 | 文档中的图表处理方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
JIHU KIM ET AL: "A Rule-Based Method for Table Detection in Website Images", IEEE ACCESS, vol. 8, pages 81022 - 81033, XP011787858, DOI: 10.1109/ACCESS.2020.2990901 * |
李爱国;马子龙;: "区域加权信息熵及其在图像特征提取中的应用", 计算机应用, no. 12, pages 3340 - 3342 * |
雷凯翔等: "Text2Palette: 基于互联网图像的颜色主题自动生成方法", 计算机辅助设计与图形学学报, vol. 33, no. 5, pages 695 - 703 * |
Also Published As
Publication number | Publication date |
---|---|
US20220156988A1 (en) | 2022-05-19 |
CN113362428B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113342345A (zh) | 深度学习框架的算子融合方法、装置 | |
CN114911465B (zh) | 算子的生成方法、装置、设备以及存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
EP4191478A1 (en) | Method and apparatus for compressing neural network model | |
CN114693934A (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN114816393B (zh) | 信息生成方法、装置、设备以及存储介质 | |
CN112528995A (zh) | 用于训练目标检测模型的方法、目标检测方法及装置 | |
CN115222444A (zh) | 用于输出模型信息的方法、装置、设备、介质和产品 | |
CN114120414A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN115690443A (zh) | 特征提取模型训练方法、图像分类方法及相关装置 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN113468857B (zh) | 风格转换模型的训练方法、装置、电子设备以及存储介质 | |
CN114461658A (zh) | 名称确定方法、装置、设备、程序产品及存储介质 | |
CN112989797B (zh) | 模型训练、文本扩展方法,装置,设备以及存储介质 | |
CN113377924A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN112948584A (zh) | 短文本分类方法、装置、设备以及存储介质 | |
CN112817660A (zh) | 扩展小程序能力的方法、装置、设备以及存储介质 | |
CN114330718B (zh) | 因果关系的提取方法、装置及电子设备 | |
CN113642654B (zh) | 图像特征的融合方法、装置、电子设备和存储介质 | |
CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
US20220383064A1 (en) | Information processing method and device | |
CN113362428B (zh) | 用于配置颜色的方法、装置、设备、介质和产品 | |
CN114385829A (zh) | 知识图谱创建方法、装置、设备以及存储介质 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |