論文の概要: AI Assisted Apparel Design
- arxiv url: http://arxiv.org/abs/2007.04950v2
- Date: Fri, 10 Jul 2020 17:14:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 03:49:10.037257
- Title: AI Assisted Apparel Design
- Title(参考訳): AIによるアパレルデザイン
- Authors: Alpana Dubey, Nitish Bhardwaj, Kumar Abhinav, Suma Mani Kuriakose,
Sakshi Jain and Veenu Arora
- Abstract要約: 本稿では,アパレル・スタイル・マージとアパレル・スタイル・トランスファーという2つのデザイン生成アシスタントを提案する。
Apparel-Style-Mergeは、アパレルの高レベルのコンポーネントを組み合わせることで、新しいデザインを生成する。
Apparel-Style-Transferは、異なるスタイル、色、パターンを適用することで、アパレルの複数のカスタマイズを生成する。
- 参考スコア(独自算出の注目度): 2.20200533591633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fashion is a fast-changing industry where designs are refreshed at large
scale every season. Moreover, it faces huge challenge of unsold inventory as
not all designs appeal to customers. This puts designers under significant
pressure. Firstly, they need to create innumerous fresh designs. Secondly, they
need to create designs that appeal to customers. Although we see advancements
in approaches to help designers analyzing consumers, often such insights are
too many. Creating all possible designs with those insights is time consuming.
In this paper, we propose a system of AI assistants that assists designers in
their design journey. The proposed system assists designers in analyzing
different selling/trending attributes of apparels. We propose two design
generation assistants namely Apparel-Style-Merge and Apparel-Style-Transfer.
Apparel-Style-Merge generates new designs by combining high level components of
apparels whereas Apparel-Style-Transfer generates multiple customization of
apparels by applying different styles, colors and patterns. We compose a new
dataset, named DeepAttributeStyle, with fine-grained annotation of landmarks of
different apparel components such as neck, sleeve etc. The proposed system is
evaluated on a user group consisting of people with and without design
background. Our evaluation result demonstrates that our approach generates high
quality designs that can be easily used in fabrication. Moreover, the suggested
designs aid to the designers creativity.
- Abstract(参考訳): ファッションは急速に変化する産業であり、毎年大規模なデザインが更新される。
さらに、すべてのデザインが顧客にアピールするわけではないため、在庫の売却という大きな課題に直面している。
これによりデザイナーは大きなプレッシャーを受ける。
まず、無数の新しいデザインを作る必要がある。
第二に、顧客にアピールするデザインを作る必要がある。
デザイナーが消費者の分析を支援するアプローチは進歩していますが、そのような洞察は多すぎます。
これらの洞察で可能なすべての設計を作成するのに時間がかかります。
本稿では,設計過程における設計者を支援するAIアシスタントシステムを提案する。
提案システムは,アパレルの異なる販売・販売属性の分析を支援する。
本稿では,アパレル式マージとアパレル型トランスファーという2つのデザイン生成アシスタントを提案する。
Apparel-Style-Mergeはアパレルの高レベルなコンポーネントを組み合わせることで新しいデザインを生成するが、Apparel-Style-Transferは異なるスタイル、色、パターンを適用することで複数のアパレルのカスタマイズを生成する。
DeepAttributeStyleという新しいデータセットを作成し、ネックやスリーブといった異なるアパレルコンポーネントのランドマークを詳細にアノテーションします。
提案システムは,デザインの背景を持たない人々からなるユーザグループに対して評価を行う。
評価結果から,本手法は製造に容易に利用できる高品質な設計を創出することを示す。
さらに、提案するデザインは、デザイナーの創造性に役立つ。
関連論文リスト
- Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - DEsignBench: Exploring and Benchmarking DALL-E 3 for Imagining Visual
Design [124.56730013968543]
ビジュアルデザインシナリオに適したテキスト・ツー・イメージ(T2I)生成ベンチマークであるDesignBenchを紹介する。
DesignBenchベンチマークでは、画像テキストアライメント、視覚美学、デザインクリエイティビティの基準に対して、生成された画像に対する人間による評価を行う。
GPT-4Vを用いた最初の自動画像生成評価器を提案する。
論文 参考訳(メタデータ) (2023-10-23T17:48:38Z) - PosterLayout: A New Benchmark and Approach for Content-aware
Visual-Textual Presentation Layout [62.12447593298437]
コンテンツ対応視覚テキスト提示レイアウトは,所定のキャンバス上の空間空間を予め定義された要素にアレンジすることを目的としている。
本稿では,設計過程を模倣するためにレイアウトの要素を再編成する設計シーケンス形成(DSF)を提案する。
CNN-LSTMに基づく新しい条件生成対向ネットワーク(GAN)を提示し、適切なレイアウトを生成する。
論文 参考訳(メタデータ) (2023-03-28T12:48:36Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [81.5482196644596]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - Infographics Wizard: Flexible Infographics Authoring and Design
Exploration [48.93421725740813]
インフォグラフィック(英: Infographics)は、人間の知覚の特定の設計原則に従って情報を表現する美的な視覚表現である。
汎用構造およびフローベースインフォグラフィック設計生成のための半自動インフォグラフィックフレームワークを提案する。
初期設計者に対しては,設計入力を必要とせずに,ユーザが提供するテキストのインフォグラフィックデザインを自動的に作成・ランク付けする。
この作業では、個別の視覚グループ(VG)設計データセット(SVG)と、セグメント化されたVGを備えた1kの完全なインフォグラフィックイメージデータセットもコントリビュートする。
論文 参考訳(メタデータ) (2022-04-21T06:26:06Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - Spacewalker: Rapid UI Design Exploration Using Lightweight Markup
Enhancement and Crowd Genetic Programming [7.872888246498886]
今回紹介するSpacewalkerは、デザイナーが最適なWeb UIのために大きなデザインスペースを素早く検索できるツールです。
デザイナーはまず、私たちが設計したシンプルなマークアップ拡張を使用して、典型的なHTMLページで探索したい属性をアノテートします。
Spacewalkerはアノテーション付きHTML仕様を解析し、Web UIのさまざまな構成をインテリジェントに生成し、評価のためにクラウドワーカーに配布する。
論文 参考訳(メタデータ) (2021-02-17T21:54:49Z) - Aesthetics, Personalization and Recommendation: A survey on Deep
Learning in Fashion [3.202857828083949]
この調査は、ビジュアルデータの解釈と活用方法を深く掘り下げることで、それを達成するという、注目すべきアプローチを示している。
美学は衣服の推奨において重要な役割を担っており、利用者の判断は衣服が美学と一致しているかどうかに大きく依存するが、従来のイメージは直接これを描写することはできない。
この調査はまた、美学をアパレル推奨の重要な要素として認識する必要性を満たすために、テンソル因子分解モデルや条件付きランダム場モデルなどの注目すべきモデルも強調している。
論文 参考訳(メタデータ) (2021-01-20T19:57:13Z) - Garment Design with Generative Adversarial Networks [7.640010691467089]
本稿では,デザイン概念の属性レベルの自動編集におけるGAN(Generative Adversarial Network)の機能について検討する。
これらの実験は、設計概念の属性レベルの編集のために、GANの仮定されたポテンシャルをサポートする。
論文 参考訳(メタデータ) (2020-07-21T17:03:33Z) - Designer Modeling through Design Style Clustering [4.4447051343759965]
ゲームコンテンツ作成ツールの混合初期化におけるデザイナスタイルを古型設計トレースとして提案する。
この方法はアドベンチャーとダンジョンクローラーゲームを作成するための混合開始システムのための研究プラットフォームであるEvolutionary Dungeon Designerで実装されている。
論文 参考訳(メタデータ) (2020-04-03T17:57:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。