論文の概要: Garment Design with Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/2007.10947v2
• Date: Thu, 23 Jul 2020 00:59:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 04:20:15.764864
• Title: Garment Design with Generative Adversarial Networks
• Title（参考訳）: 生成型adversarial networkを用いた衣料デザイン
• Authors: Chenxi Yuan, Mohsen Moghaddam
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.640010691467089
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The designers' tendency to adhere to a specific mental set and heavy emotional investment in their initial ideas often hinder their ability to innovate during the design thinking and ideation process. In the fashion industry, in particular, the growing diversity of customers' needs, the intense global competition, and the shrinking time-to-market (a.k.a., "fast fashion") further exacerbate this challenge for designers. Recent advances in deep generative models have created new possibilities to overcome the cognitive obstacles of designers through automated generation and/or editing of design concepts. This paper explores the capabilities of generative adversarial networks (GAN) for automated attribute-level editing of design concepts. Specifically, attribute GAN (AttGAN)---a generative model proven successful for attribute editing of human faces---is utilized for automated editing of the visual attributes of garments and tested on a large fashion dataset. The experiments support the hypothesized potentials of GAN for attribute-level editing of design concepts, and underscore several key limitations and research questions to be addressed in future work.
• Abstract（参考訳）: デザイナーが特定の精神セットに固執する傾向と、その初期のアイデアへの激しい感情的な投資は、しばしば、デザイン思考とイデオレーションの過程において革新する能力を妨げる。 特にファッション業界では、顧客のニーズの多様化、国際競争の激化、市場投入までの時間短縮(すなわち「ファストファッション」)が、デザイナーにとってこの課題をさらに悪化させる。 近年の深層生成モデルの発展は、設計概念の自動生成や編集を通じて、設計者の認知的障害を克服する新たな可能性を生み出している。 本稿では,設計概念の属性レベル自動編集のための生成型逆ネットワーク(gan)の機能について検討する。 具体的には、属性GAN(AttGAN)は、人間の顔の属性編集に成功している生成モデルであり、衣服の視覚的属性の自動編集に利用され、大規模なファッションデータセットでテストされる。 実験は、設計概念の属性レベルでの編集のためのganの仮説的な可能性をサポートし、今後の作業で取り組むべきいくつかの重要な制限と研究課題を強調する。

関連論文リスト

• Empowering Clients: Transformation of Design Processes Due to Generative AI [1.4003044924094596]
  この研究は、AIがアイデアの迅速な視覚化を通じて、クライアントが設計プロセスに参加することを可能にすることによって、アイデアのフェーズを破壊できることを明らかにしている。 私たちの研究は、AIが設計に対して貴重なフィードバックを提供することができる一方で、そのような設計を生成できない可能性があることを示しています。 アーキテクチャの解釈的主権と,AIが設計プロセスのオーサシップをますます引き継ぐにつれて,意味とアイデンティティの喪失について,アーキテクトの間に不確実性があることも明らかになった。
  論文  参考訳（メタデータ） (2024-11-22T16:48:15Z)
• Inspired by AI? A Novel Generative AI System To Assist Conceptual Automotive Design [6.001793288867721]
  デザインインスピレーションは、デザインの方向性を確立するだけでなく、感情を呼び起こし、概念設計プロセス中に意味を伝えるためにも不可欠である。 多くの実践的デザイナーはPinterestのようなプラットフォーム上でテキストベースの検索を使用してイメージのアイデアを集め、続いて紙にスケッチしたり、デジタルツールを使ってコンセプトを開発したりする。 拡散モデルのような新しい生成AI技術は、テキストとイメージインスピレーションインプットに基づいてデザイン概念を迅速に生成することで、これらのプロセスを合理化するための有望な道を提供する。
  論文  参考訳（メタデータ） (2024-06-06T17:04:14Z)
• 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)
• Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
  本調査では,コンピュータ支援設計における学習手法の概要について概観する。 類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。 ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)
• ConceptLab: Creative Concept Generation using VLM-Guided Diffusion Prior Constraints [56.824187892204314]
  我々は創造的なテキスト・画像生成の課題を提示し、幅広いカテゴリの新しいメンバーを創り出そうとする。 本稿では, 先行拡散の出力空間上での最適化プロセスとして, 創造的生成問題を定式化できることを示す。 我々は、最適化問題に新たな制約を適応的に付加する質問応答型視覚言語モデル(VLM)を導入し、よりユニークな生成物を発見するようモデルに促す。
  論文  参考訳（メタデータ） (2023-08-03T17:04:41Z)
• 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)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• 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)
• CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis [1.933681537640272]
  本論文では,新しいデザインを作成するための自動手法であるCreativeGANを提案する。 デザインをユニークなものにするコンポーネントを識別し、GANモデルを変更することで、識別されたユニークなコンポーネントでデザインを生成する可能性が高まる。 自転車デザインのデータセットを用いて,ユニークなフレームとハンドル,および幅広いデザインの珍しいノベルティを備えた新しい自転車デザインを作成できることを実証した。
  論文  参考訳（メタデータ） (2021-03-10T18:22:35Z)
• AI Assisted Apparel Design [2.20200533591633]
  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。
  論文  参考訳（メタデータ） (2020-07-09T17:24:40Z)
• PaDGAN: A Generative Adversarial Network for Performance Augmented Diverse Designs [13.866787416457454]
  本研究では, 優れた設計空間を網羅した新規な高品質な設計を創出可能な, 高性能拡張多言語生成ネットワーク(Performance Augmented Diverse Generative Adversarial Network) または PaDGAN を開発した。 バニラ生成適応ネットワークと比較して、平均的な平均品質スコアが28%高く、多様性が大きく、モード崩壊の問題がないサンプルを生成する。
  論文  参考訳（メタデータ） (2020-02-26T04:53:39Z)

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。