type
Post
status
Published
date
Oct 1, 2024
slug
multiplantsai
summary
MultiPlantsAI 是一个面向植物景观与花艺产品的三维生成式 AI 系统，连接用户输入、空间理解、智能资产检索、3D 对象生成、叙事解释、视频展示与产销转化；项目从花艺礼物扩展到庭院设计，并以用户研究和可用性评估分析 GenAI 方案的采纳条件。
tags
MPhil 2025-2026
生成式 ai
用户研究
产品设计与理论
论文产出
recommend
category
研究与出版
icon
password
网址
项目产出 / Project Outputs
- Ping, C. (2025). Evaluating consumer responses to GenAI-driven floral design color schemes: A study of adoption intentions. AIC 2025（摘要接收）。
- Chen, C., Du, Y., Ma, Y., Ping, C., Sheng, M., Wang, Z., Wen, Y., Yao, X., & Zhang, D. (2025). MultiPlantsAI: An AI-driven personalized design, production and sales system for plants landscapes（课程/团队项目原型）。
项目概述 / Project Overview
MultiPlantsAI 是一个面向植物景观与花艺产品的三维生成式 AI 系统。用户可以用文字、图片、2D plan、空间照片和标注表达需求；系统理解空间约束，检索并生成 3D 植物/庭院资产，再把方案转化为可预览、可编辑、可展示、可进入生产与销售链路的定制化设计结果。
Product homepage: 项目原型以“基于行业领先的三维设计引擎”为入口，把 AI 生成、空间预览和庭院设计任务放到同一个产品界面中。
Editor preview: 用户在庭院场景中预览生成结果，并通过右侧参数、风格和订单相关信息继续调整设计。
项目关键词 / Project Keywords
背景与问题 / Background & Problem
传统植物景观/花艺定制的门槛很高：用户很难描述自己想要的空间效果，专业定制成本高，落地执行需要多轮沟通和复杂实现。MultiPlantsAI 的核心目标是让用户能够在自己的空间里直接预览、调整并确认 AI 生成的设计方案。
Storyboard: 从缺少个性化设计、专业服务昂贵，到 AI 降低设计门槛并让用户直接在自己的空间中预览方案。
项目最初从广州花都“花城”语境下的永生花与花艺礼物切入，随后随着 AI 设计能力和团队技术深度增长，逐步扩展到更复杂的庭院与植物景观设计。
Project evolution: 从 Preserved Flowers 到 Floral Gifts，再扩展到 Courtyard Design，对应从微观审美、结构化组合到宏观空间复杂度的升级。
市场机会与定位 / Market Opportunity & Positioning
路演材料把项目机会从原先的花艺礼物市场扩展到更大的庭院与植物景观市场：原始范围约 1.3 Billion RMB，扩展范围约 51 Billion RMB。相比只提供 2D 效果图或需要复杂拖拽编辑的工具，MultiPlantsAI 更强调三维空间理解、对话式修改、资产可控性，以及从设计到生产销售的完整链路。
Market opportunity: 项目从较小的花艺产品范围扩展到庭院/植物景观设计，连接材料资源、市场资源、技术资源、创新能力和用户反馈。
用户旅程 / User Journey
- 表达需求：用户上传庭院、阳台或室内空间照片，也可以输入文本偏好、情绪意图、植物类型、配色方向、预算和使用场景。
- 理解空间：系统识别空间结构、墙面、地面、光照、遮阴区、现有植物和家具，判断设计对象的尺度与可行性。
- 检索资产：AI 资产搜索引擎从植物、花器、户外家具、遮阳、装饰物等资产中找到匹配项，并补充用户没有直接提出但场景需要的组合元素。
- 生成方案：系统生成 3D 植物对象、布局关系和空间方案，让用户在可编辑的 3D 场景中预览结果。
- 迭代修改：用户可以修改颜色、比例、材质、风格、位置和摄像机路径，系统在保持设计意图的同时更新方案。
- 展示与转化：系统生成设计故事、案例页面、产品展示视频或漫游视频，支持分享、销售转化和后续生产协同。
服务蓝图 / Service Blueprint
Service blueprint: 路演中的完整服务蓝图，把用户行为、前台界面、后台系统、AI 模型、资产库和生产/销售节点连接起来。
Workflow reconstruction: 前台用户行为与后台资产库、生成模型、3D 预览和生产制造环节相互衔接。
前台体验 / Frontstage
- 用户用自然语言、图片、2D plan 和标注表达空间与审美意图。
- 系统提供即时 3D 预览、局部修改、方案对比和风格切换。
- 用户在“看见方案”的基础上做决策，而不是只靠文字描述或平面图想象结果。
后台系统 / Backstage
- 空间理解模块解析照片中的结构、尺度和可用区域。
- 资产库维护植物、花器、家具、材料、灯光、纹理等可控对象。
- Retrieval + Generation 混合流程先检索可靠资产，再生成和组合新对象，减少纯 AIGC 的随机性。
- 生产侧把确认后的资产、尺寸、材料和展示内容转化为可交付的产品数据。
系统架构 / System Architecture
路演把系统拆成五个互相协作的模块，形成 MultiPlantsAI 的“身体”：MIND、VISION、HAND、VOICE 和 HEART。
System architecture: MIND 负责认知核心，VISION 负责感知与重建，HAND 负责生成与编辑，VOICE 负责叙事表达，HEART 负责 UCD 交互体验。
MIND: Cognitive Core
MIND 负责让 AI 真正理解用户空间与意图。它需要从庭院照片和自然语言中理解“在靠近围栏的阴影区放一个花坛”这类空间指令，并把模糊需求转译为可执行的设计约束。
MIND: Spatial intelligence 让 AI 理解用户庭院照片中的结构、遮阴区域、围栏关系和可放置区域。
VISION: Perception & Reconstruction
VISION 负责把普通手机照片转化为可编辑的 3D 庭院或植物景观场景。核心挑战是用户通常没有 CAD 图纸或现成 3D 模型，因此系统需要估计相机位姿，重建墙面、地面、植物和家具等几何信息，并为后续装饰、布局和渲染提供可靠空间基础。
VISION: 从 casual photos 到 editable 3D courtyard，为后续生成和可行性判断建立尺度与空间基础。
HAND: Creative Engine
HAND 负责 3D 场景与对象生成。它可以根据文本或图像提示生成盆景、植物组合和庭院对象，并进一步生成布局关系，帮助用户判断对象应该放在哪里、比例是否合适、与场景是否协调。
HAND: 通过 3D object generation 和 3D layout generation，把文本/图像输入转译为可编辑的植物对象与空间布局。
VOICE: Storytelling Module
VOICE 把设计参数和 AI 结果翻译成用户能理解、能共鸣、能据此决策的故事。它关注的不只是功能需求，还包括情绪、生活方式、文化偏好和礼物语境。
VOICE: 案例库、设计故事和社区分享让用户理解设计意图，而不只是浏览一张最终效果图。
Customized video generation: 用户可控制镜头路径和视觉风格，生成庭院/阳台方案的展示视频。
HEART: UCD Interactive Engine
HEART 关注交互体验和可用性：文字往往不足以表达精确空间和布局，尤其在 3D 设计任务中，用户和设计师都需要更直接的控制方式。因此系统把 2D plan、annotation 和 text 组合起来，让复杂的 3D 设计意图变成更容易表达的绘制、标注和文本混合输入。
HEART: 通过 2D plan + annotation + text 的多模态输入，缩小用户意图与 GenAI 生成结果之间的 intent gap。
我的角色 / My Role
在项目中，我主要参与用户研究、用户采纳意愿相关问题整理，以及 usability testing and evaluation 的工作。我的关注点是：用户为什么会相信或拒绝 AI 生成的植物/花艺方案，他们如何描述场景、情绪、配色和风格偏好，以及这些反馈如何反向影响系统的提示词、资产标签和评估维度。
具体工作包括：
- 从用户采纳意愿出发，梳理 GenAI 花艺配色与植物景观方案的评价维度。
- 关注消费场景、礼物意图、情绪表达和配色偏好如何进入生成系统。
- 参与把用户输入、反馈、资产标签和生成结果之间的关系整理成可讨论的研究问题。
- 从用户测试角度评估 3D 预览、方案解释、风格修改和产品确认流程是否足够清晰。
研究问题 / Research Questions
- 用户在什么条件下会接受由 GenAI 生成的植物景观、花艺配色或定制化产品方案？
- 如何把消费场景、意图、配色偏好和情感反馈转化为可被系统使用的提示词与资产标签？
- 在专业设计流程中，如何平衡 AIGC 的生成多样性与产品设计所需的可控性、可制造性和审美一致性？
- 当用户面对 3D 空间预览、故事解释和可编辑对象时，哪些信息最能帮助他们做出购买或修改决策？
关键洞见 / Key Insights
1. Controllability > Creativity
专业设计场景中，纯 AIGC 的随机创造力并不总是优势。植物景观和定制化产品需要可解释、可修改、可落地，因此项目采用 Retrieval + Generation 的混合策略：先用可靠资产控制边界，再用生成模型扩展组合和表现力。
2. 用户不是只买视觉效果，而是在买确定性
用户采纳 AI 方案时，关心的不只是“好不好看”，还包括这个方案是否适合自己的空间、是否表达正确情绪、是否符合使用场景、是否能生产交付。3D 预览、设计故事和视频展示共同降低了这种不确定性。
3. 3D 资产是产品化的关键中间层
如果 AI 只输出图像，后续生产、修改和销售都会断裂。MultiPlantsAI 把植物、花器、家具、纹理、灯光和布局都转化为 3D 资产与标签体系，使生成结果能够进入后续编辑和制造流程。
商业闭环 / Business Capacity
MultiPlantsAI 的商业想象不是单点工具，而是多层收入系统：AI 设计服务、专业设计工具、资产与产品交易、企业/公共项目合作，以及基于案例和社群内容的转化。路演材料中特别强调，公共部门项目、企业合作和平台化变现可以共同验证 AI design services 的长期价值。
Business capacity: 公共部门项目、核心产品驱动与企业合作共同支撑多层收入模型。
里程碑 / Milestones
Milestone: 从 2024.12-2025.01 的探索规划，到 2026.01-2026.06 的持续优化阶段。
- 2024.12 - 2025.01：Exploration and Planning Phase，确定从花艺产品到植物景观的机会方向。
- 2025.02 - 2025.07：Core Function Development Phase，推进空间理解、资产检索、3D 生成与交互原型。
- 2025.04 - 2025.08：Closed Beta Testing Phase，围绕用户测试、可用性评估和核心流程闭环继续打磨。
- 2025.09 - 2025.12：Public Release and Operation Phase，探索公开发布、运营和商业合作。
- 2026.01 - 2026.06：Continuous Optimization Phase，持续优化模型资产库、交互体验和产销链路。
未来方向 / Future Outlook
项目最终指向更广义的 spatial intelligence：让 AI 不只是生成单个产品，而是能够理解空间、辅助人在空间中思考和决策。路演材料把未来方向概括为三个前沿：面向 games 的人类创造力增强、为 embodied AI 生成训练数据，以及为未来 world models 建立空间基础。
附录 / Appendix
资料来源 / Source Materials
- Group 52A - Stage Show Review 0205.pdf
- MIDPOINT-B.pdf
待补材料 / Materials to Add
- AIC 2025 摘要的正式页面、DOI 或会议摘要集链接。
- 个人毕业论文题名、提交状态和可公开摘要。
- 可公开的系统 Demo、原型链接或最终展示链接。