When people think of machine learning, headstones probably don’t come to mind. But in one of the more profound applications of generative AI, we built a system that uses machine learning to design custom memorial products—yes, including gravestones—tailored to personal preferences and cultural sensitivities. Fue una aplicación completa de modelos generativos, procesamiento de lenguaje natural y sistemas humanos en el ciclo, todo para abordar una necesidad altamente sensible y profundamente humana: conmemorar una vida. El problema: Diseñar con dignidad El diseño del memorial es tanto un arte como una tradición. Las familias quieren algo personal, respetuoso y a menudo simbólico. El desafío es que el proceso de diseño es lento, emocionalmente impuesto, y restringido por los materiales, las regulaciones del cementerio y las tradiciones religiosas o culturales. Comenzamos a construir algo que podría ayudar, no reemplazar, a los diseñadores: un generador de piedra angular que podría producir opciones de diseño realistas y significativas basadas en datos previos y preferencias de los clientes. Puedes probarlo aquí: (Todos los datos de la formación provienen del sitio en vivo - ) Página web de headstonesdesigner.com/generator https://headstonesdesigner.com/ Step 1: Understanding the Domain Antes de tocar TensorFlow o escribir una sola línea de código, nos sumergimos en el mundo del arte memorial. Estilos tradicionales y contemporáneos Normas religiosas y culturales Condiciones de material (granito, mármol, etc.) Reglamentos del cementerio, como max ancho del monumento por parcela Esto no era opcional. Diseñar AI para un dominio sensible como este requiere un profundo respeto y matiz. Paso 2: Construir el conjunto de datos We pulled together a surprisingly diverse dataset: Miles de imágenes de diseño anotadas CAD files of existing headstones Historia de preferencias del cliente Text from inscriptions Estándares de dimensiones del cementerio Todo esto necesitaba ser limpiado, normalizado y vectorizado. Los textos fueron incorporados usando modelos como BERT. Las imágenes fueron preprocesadas y aumentadas. . learnable Paso 3: Arquitectura y formación de modelos Hemos probado varios tipos de modelos en paralelo: : For generating high-quality, stylized images of memorial designs StyleGAN2 VAEs (Variational Autoencoders): Para interpolar entre estilos de diseño y permitir variaciones controladas por el usuario : For generating inscriptions that felt personal, relevant, and respectful Transformers (GPT) A particularly tricky part was making sure the text and visuals matched. A gothic-style headstone shouldn't have Comic Sans inscriptions. Hemos abordado esto con: Formación multi-modal: combinación de modelos de visión y lenguaje (como CLIP) para evaluar el alineamiento GAN condicionales: Usando el texto como entrada para guiar la generación visual Paso 4: Gestionar el desconocido Tuvimos un montón de “momentos extraños”. Algunas producciones tempranas parecían más esculturas modernistas que memoriales. La transferencia de estilo a veces cruzaba las líneas culturales de maneras incómodas. GPT occasionally generated tone-deaf epitaphs. Para mitigar esto, hemos construido en el feedback humano-in-the-loop. Diseñadores y asesores culturales revisaron los resultados y etiquetaron problemas. We also used techniques like style discriminators in GANs to enforce constraints and post-generation filters to validate text content. Paso 5: Evaluación y resultados We didn’t just eyeball the results. Evaluation was multi-pronged: FID puntuaciones para el realismo de la imagen Puntos BLEU y evaluación humana para la precisión del texto Estudios de usuarios y reseñas de expertos para la fidelidad estética y cultural The final result? A system that could generate emotionally resonant, visually accurate, and context-aware headstone designs. Puedes interactuar con el generador aquí: Página web de headstonesdesigner.com/generator Lecciones aprendidas Algunos de los takeaways: El contexto cultural no es un caso marginal, es el requisito básico en los dominios de diseño sensibles. Generative AI is powerful, but without constraints, it easily drifts into uncanny or inappropriate territory. El feedback humano no es sólo útil; es obligatorio. El futuro Estamos explorando cómo esta tecnología podría extenderse a otros dominios: diseño de invitaciones de boda, premios personalizados, arte conmemorativo y más.Dondequiera que el diseño sea personal y de alta apuesta, hay una oportunidad de mezclar ML generativo con el cuidado humano.
