論文の概要: Generative Transformers for Design Concept Generation

• arxiv url: http://arxiv.org/abs/2211.03468v1
• Date: Mon, 7 Nov 2022 11:29:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 16:53:13.193787
• Title: Generative Transformers for Design Concept Generation
• Title（参考訳）: 設計概念生成のための生成トランス
• Authors: Qihao Zhu and Jianxi Luo
• Abstract要約: 本研究では,人工知能(AI)分野における自然言語生成技術(NLG)の最近の進歩について考察する。 テキストデータからの知識と推論を活用するために,GPT(Generative Pre-trained Transformer)を用いた新しい手法を提案する。 3つの概念生成タスクは、異なる知識と推論(ドメイン知識合成、問題駆動合成、アナログ駆動合成)を活用するために定義される。
• 参考スコア（独自算出の注目度）: 7.807713821263175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generating novel and useful concepts is essential during the early design stage to explore a large variety of design opportunities, which usually requires advanced design thinking ability and a wide range of knowledge from designers. Growing works on computer-aided tools have explored the retrieval of knowledge and heuristics from design data. However, they only provide stimuli to inspire designers from limited aspects. This study explores the recent advance of the natural language generation (NLG) technique in the artificial intelligence (AI) field to automate the early-stage design concept generation. Specifically, a novel approach utilizing the generative pre-trained transformer (GPT) is proposed to leverage the knowledge and reasoning from textual data and transform them into new concepts in understandable language. Three concept generation tasks are defined to leverage different knowledge and reasoning: domain knowledge synthesis, problem-driven synthesis, and analogy-driven synthesis. The experiments with both human and data-driven evaluation show good performance in generating novel and useful concepts.
• Abstract（参考訳）: 先進的な設計思考能力と設計者からの幅広い知識を必要とする様々な設計機会を探求するために、新規で有用な概念を生成することは、初期の設計段階で不可欠である。 コンピュータ支援ツールの研究は、設計データから知識とヒューリスティックの検索を探求している。 しかし、限定的な側面からデザイナーに刺激を与えるだけである。 本研究では、人工知能(AI)分野における自然言語生成技術(NLG)の最近の進歩を探求し、初期設計概念生成を自動化する。 具体的には,テキストデータから知識と推論を活用し,理解可能な言語における新しい概念に変換するために,生成前学習トランスフォーマ(gpt)を用いた新しい手法を提案する。 3つの概念生成タスクは、異なる知識と推論(ドメイン知識合成、問題駆動合成、アナログ駆動合成)を活用するために定義される。 人的およびデータ駆動評価による実験は、新規で有用な概念を生成する上で優れた性能を示す。

関連論文リスト

• A Novel Idea Generation Tool using a Structured Conversational AI (CAI) System [0.0]
  本稿では、初心者デザイナーを支援する創造的アイデア生成ツールとして、対話型AIを活用したアクティブなアイデア生成インタフェースを提案する。 これは動的でインタラクティブで文脈に応答するアプローチであり、人工知能(AI)における自然言語処理(NLP)の領域から大きな言語モデル(LLM)を積極的に巻き込む。 このようなAIモデルとアイデアの統合は、連続的な対話ベースのインタラクション、コンテキストに敏感な会話、多彩なアイデア生成の促進に役立つ、アクティブな理想化(Active Ideation)シナリオと呼ばれるものを生み出します。
  論文  参考訳（メタデータ） (2024-09-09T16:02:27Z)
• Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
  本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。 本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。 我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
  論文  参考訳（メタデータ） (2024-08-22T04:49:50Z)
• 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)
• Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
  視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。 視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
  論文  参考訳（メタデータ） (2024-04-05T07:31:24Z)
• 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)
• Human Machine Co-Creation. A Complementary Cognitive Approach to Creative Character Design Process Using GANs [0.0]
  2つのニューラルネットワークが競合し、元のデータセットと区別できない新しい視覚コンテンツを生成する。 提案するアプローチは、知覚、理解、作成のプロセスを伝えることを目的としている。 マシンが生成した概念は、キャラクターデザイナーが新しいキャラクターを概念化するためのローンチプラットフォームとして使用される。
  論文  参考訳（メタデータ） (2023-11-23T12:18:39Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• Generative Design Ideation: A Natural Language Generation Approach [7.807713821263175]
  本稿では,人工知能(AI)における最新の事前学習言語モデルの適用により,知識に基づく設計概念の生成的アプローチを検討することを目的とする。 AI生成されたアイデアは、簡潔で理解可能な言語であるだけでなく、制御可能な知識距離を持つ外部知識ソースでターゲット設計を合成することができる。
  論文  参考訳（メタデータ） (2022-03-28T08:11:29Z)
• Kformer: Knowledge Injection in Transformer Feed-Forward Layers [107.71576133833148]
  そこで我々は,Transformerのフィードフォワード層を通じて外部知識を組み込んだ新しい知識融合モデルKformerを提案する。 FFNに単に知識を注入するだけで、事前学習された言語モデルの能力が向上し、現在の知識融合法が促進されることを実証的に見出した。
  論文  参考訳（メタデータ） (2022-01-15T03:00:27Z)
• Generative Pre-Trained Transformer for Design Concept Generation: An Exploration [6.233117407988574]
  本稿では,自然言語設計概念生成における生成事前学習変換器(GPT)の利用について検討する。 本実験では, GPT-2 と GPT-3 を設計作業における様々な創造的推論に用いた。
  論文  参考訳（メタデータ） (2021-11-16T14:12:08Z)

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。