Fugu-MT 論文翻訳(概要): DesignGPT: Multi-Agent Collaboration in Design

論文の概要: DesignGPT: Multi-Agent Collaboration in Design

arxiv url: http://arxiv.org/abs/2311.11591v1
Date: Mon, 20 Nov 2023 08:05:52 GMT
ステータス: 処理完了
システム内更新日: 2023-11-21 19:44:03.325971
Title: DesignGPT: Multi-Agent Collaboration in Design
Title（参考訳）: DesignGPT:デザインにおけるマルチエージェントコラボレーション
Authors: Shiying Ding, Xinyi Chen, Yan Fang, Wenrui Liu, Yiwu Qiu, Chunlei Chai
Abstract要約: DesignGPTは人工知能エージェントを使用して、デザイン会社におけるさまざまなポジションの役割をシミュレートし、人間のデザイナーが自然言語で協力できるようにする。実験の結果、DesignGPTはAIツールを別々に比較すると、デザイナのパフォーマンスが向上することがわかった。
参考スコア（独自算出の注目度）: 4.6272626111555955
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Generative AI faces many challenges when entering the product design workflow, such as interface usability and interaction patterns. Therefore, based on design thinking and design process, we developed the DesignGPT multi-agent collaboration framework, which uses artificial intelligence agents to simulate the roles of different positions in the design company and allows human designers to collaborate with them in natural language. Experimental results show that compared with separate AI tools, DesignGPT improves the performance of designers, highlighting the potential of applying multi-agent systems that integrate design domain knowledge to product scheme design.
Abstract（参考訳）: ジェネレーティブAIは、インターフェースのユーザビリティやインタラクションパターンなど、製品設計ワークフローに入る際に多くの課題に直面します。そこで我々は,デザイン思考とデザインプロセスに基づいて,人工知能エージェントを用いてデザイン会社におけるさまざまなポジションの役割をシミュレートし,人間設計者が自然言語で協力できるようにする,デザインGPT多エージェントコラボレーションフレームワークを開発した。実験の結果、DesignGPTはAIツールを別々に比較して設計者のパフォーマンスを向上し、デザインドメイン知識を製品スキーマ設計に組み込むマルチエージェントシステムの適用の可能性を強調した。

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)
MetaDesigner: Advancing Artistic Typography through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
MetaDesignerは、Large Language Models(LLM)の強みを活用して、ユーザエンゲージメントを中心としたデザインパラダイムを推進することによって、芸術的なタイポグラフィに革命をもたらす。総合的なフィードバックメカニズムは、マルチモーダルモデルとユーザ評価からの洞察を活用して、設計プロセスを反復的に洗練し、拡張する。実証的な検証は、MetaDesignerが様々なWordArtアプリケーションに効果的に機能し、審美的に魅力的でコンテキストに敏感な結果を生み出す能力を強調している。
論文参考訳（メタデータ） (2024-06-28T11:58:26Z)
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)
Content-Centric Prototyping of Generative AI Applications: Emerging Approaches and Challenges in Collaborative Software Teams [2.369736515233951]
私たちの研究は、共同ソフトウェアチームがいかにして設計ガイドラインと価値を適用して適用し、反復的にプロトタイププロンプトを作成し、望ましい結果を達成するためのプロンプトを評価するかを理解することを目的としています。その結果,コンテンツ中心のプロトタイピングアプローチとして,生成したいコンテンツから始めて,特定の属性,制約,値を識別し,ユーザがそれらの属性に影響を与えて対話する手段を探索する,という方法が明らかになった。
論文参考訳（メタデータ） (2024-02-27T17:56:10Z)
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)
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)
Experiments on Generative AI-Powered Parametric Modeling and BIM for Architectural Design [4.710049212041078]
この研究は、3Dアーキテクチャ設計におけるChatGPTと生成AIの可能性について実験した。このフレームワークはアーキテクトに設計意図を伝えるための直感的で強力な方法を提供する。
論文参考訳（メタデータ） (2023-08-01T01:51:59Z)
Exploring Challenges and Opportunities to Support Designers in Learning to Co-create with AI-based Manufacturing Design Tools [31.685493295306387]
AIベースのデザインツールは、複雑な製造や設計タスクでエンジニアリングや工業デザイナーを支援するために、プロのソフトウェアで急速に普及している。これらのツールは、伝統的なコンピュータ支援デザインツールよりもエージェント的な役割を担い、しばしば「コ・クリエーター」として表現される。これまでのところ、エンジニアリングデザイナがAIベースのデザインツールでどのように働くかはほとんどわかっていません。
論文参考訳（メタデータ） (2023-03-01T02:57:05Z)
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)
iPLAN: Interactive and Procedural Layout Planning [13.172253981084403]
そこで本研究では,新しいループ生成モデルiPLANを提案する。レイアウトを自動的に生成するだけでなく、プロセス全体を通してデザイナと対話することも可能だ。以上の結果から,iPLANは人間設計者と同様のレイアウトを作成できる可能性が示唆された。
論文参考訳（メタデータ） (2022-03-27T23:21:15Z)

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。