type
Post
status
Published
date
Oct 1, 2024
slug
multiplantsai
summary
围绕 3D AIGC 定制化植物产品，研究用户对生成式花艺配色与场景化设计结果的采纳意愿，并将用户输入、情感反馈与资产标签体系连接起来。
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；待补公开链接）。
待补公开链接
- 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）。
待补作品链接
项目关键词 / Project Keywords
项目简介 / Project Overview
MultiPlantsAI 研究生成式 AI 如何参与定制化植物景观与花艺产品的设计、生产和销售链路，尤其关注用户如何理解、评价并采纳 AI 生成的设计结果。项目将用户输入、偏好表达、资产检索、3D 生成和产品生产流程连接起来，面向虚拟花艺礼品、个性化植物景观和轻量化 3D 产品服务场景。
MultiPlantsAI product examples: 通过检索与生成结合的方式，把用户偏好转译为可预览的植物景观与定制化产品方案。
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？
我的角色和洞见 / My Role & Insights
我的角色 / My Role
我主要参与用户研究、用户采纳意愿相关问题整理，以及从消费场景和意图出发分析 AI 生成结果的评价维度。我的工作关注用户如何描述植物产品需求、如何理解生成结果的配色与风格，以及这些反馈如何反向支持资产标签和生成流程优化。
关键洞见 / Key Insights
这个项目让我意识到，面向产品设计的 GenAI 不只是“生成好看的结果”，更需要处理用户意图、资产可控性和生产链路之间的关系。对于定制化植物产品而言，用户采纳往往取决于场景是否贴合、情绪表达是否准确、配色是否可解释，以及最终方案是否能进入可制造的产品流程。
方法与过程 / Methods & Process
研究方法 / Research Methods
- 围绕用户采纳意愿、消费场景和花艺配色偏好进行问题整理。
- 从用户输入、情感反馈、产品场景和生成结果之间建立分析关系。
- 参考团队项目材料，对 3D AIGC 产品系统的前台用户操作与后台资产逻辑进行梳理。
设计与实现 / Design & Implementation
- 项目以用户意图为起点，连接文本/图像提示词、资产库检索、AI 多对象组合生成、3D 模型预览和产品制造。
- 系统流程强调“Retrieval + Generation”的混合方式，以提升生成结果的可控性和产品化稳定性。
- 用户在前台完成需求表达、结果预览、风格修改与确认；后台负责资产索引、模型组合和生产数据衔接。
MultiPlantsAI service workflow: 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。
分析与验证 / Analysis & Evaluation
- 从用户采纳意愿角度分析生成结果的配色、风格、场景适配和可解释性。
- 关注专业设计语境中“可控性 > 随机创造力”的问题，评估生成式系统如何支持而不是替代设计判断。
- 将用户反馈与情感/风格标签体系结合，作为后续优化模型资产库和推荐逻辑的依据。
附录 / Appendix
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。