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
- Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models [81.6240188672294]
グラフィックデザインでは、プロでないユーザは、限られたスキルとリソースのために視覚的に魅力的なレイアウトを作成するのに苦労することが多い。
レイアウト計画のための新しいマルチモーダル・インストラクション・フォロー・フレームワークを導入し、視覚的要素をカスタマイズしたレイアウトに簡単に配置できるようにする。
本手法は,非専門職の設計プロセスを単純化するだけでなく,数ショット GPT-4V モデルの性能を上回り,mIoU は Crello で 12% 向上する。
論文 参考訳（メタデータ） (2024-04-23T17:58:33Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
論文 参考訳（メタデータ） (2024-04-03T16:17:53Z) - HAIFIT: Human-to-AI Fashion Image Translation [6.034505799418777]
本稿では,スケッチを高忠実なライフスタイルの衣料品画像に変換する新しいアプローチであるHAIFITを紹介する。
本手法は, ファッションデザインに欠かせない, 独特のスタイルの保存に優れ, 細部が複雑である。
論文 参考訳（メタデータ） (2024-03-13T16:06:07Z) - DressCode: Autoregressively Sewing and Generating Garments from Text Guidance [61.48120090970027]
DressCodeは、初心者向けのデザインを民主化し、ファッションデザイン、バーチャルトライオン、デジタルヒューマン創造において大きな可能性を秘めている。
まず,テキスト条件の埋め込みとクロスアテンションを統合して縫製パターンを生成する,GPTベースのアーキテクチャであるSewingGPTを紹介する。
次に、トレーニング済みの安定拡散を調整し、タイルベースの衣服用物理レンダリング(PBR)テクスチャを生成します。
論文 参考訳（メタデータ） (2024-01-29T16:24:21Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
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) - 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。