論文の概要: FedGAI: Federated Style Learning with Cloud-Edge Collaboration for Generative AI in Fashion Design

• arxiv url: http://arxiv.org/abs/2503.12389v1
• Date: Sun, 16 Mar 2025 07:31:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:59:48.539398
• Title: FedGAI: Federated Style Learning with Cloud-Edge Collaboration for Generative AI in Fashion Design
• Title（参考訳）: FedGAI: ファッションデザインにおけるジェネレーティブAIのためのクラウドエッジコラボレーションによるフェデレーションスタイル学習
• Authors: Mingzhu Wu, Jianan Jiang, Xinglin Li, Hanhui Deng, Di Wu,
• Abstract要約: 本稿では,Federated Generative Artificial Intelligence Clothingシステム,すなわちFedGAIを紹介する。 FedGAIは、デザイナーがスケッチスタイルを交換できるエコシステムを確立することを約束している。 当社のFedGAIシステムでは,人間設計のスケッチに匹敵する品質のマルチスタイルスケッチを作成できる。
• 参考スコア（独自算出の注目度）: 6.141395195643172
• License:
• Abstract: Collaboration can amalgamate diverse ideas, styles, and visual elements, fostering creativity and innovation among different designers. In collaborative design, sketches play a pivotal role as a means of expressing design creativity. However, designers often tend to not openly share these meticulously crafted sketches. This phenomenon of data island in the design area hinders its digital transformation under the third wave of AI. In this paper, we introduce a Federated Generative Artificial Intelligence Clothing system, namely FedGAI, employing federated learning to aid in sketch design. FedGAI is committed to establishing an ecosystem wherein designers can exchange sketch styles among themselves. Through FedGAI, designers can generate sketches that incorporate various designers' styles from their peers, drawing inspiration from collaboration without the need for data disclosure or upload. Extensive performance evaluations indicate that our FedGAI system can produce multi-styled sketches of comparable quality to human-designed ones while significantly enhancing efficiency compared to hand-drawn sketches.
• Abstract（参考訳）: コラボレーションはさまざまなアイデア、スタイル、視覚的要素を融合させ、異なるデザイナ間の創造性と革新を促進する。 共同デザインでは、スケッチはデザインの創造性を表現する手段として重要な役割を果たす。 しかし、デザイナーはしばしばこれらの細工されたスケッチを公然と共有しない傾向がある。 デザイン領域におけるデータアイランドのこの現象は、AIの第3波の下でのデジタルトランスフォーメーションを妨げる。 本稿では,フェデレーション・ジェネレーション・人工知能・衣料システムであるフェデレーション・ジェネレーション・人工知能(FedGAI)を紹介し,スケッチデザインを支援するためにフェデレーション・ラーニングを採用する。 FedGAIは、デザイナーがスケッチスタイルを交換できるエコシステムを確立することを約束している。 FedGAIを通じて、デザイナは、同僚からさまざまなデザイナのスタイルを取り入れたスケッチを作成し、データ開示やアップロードを必要とせずに、コラボレーションからインスピレーションを得ることができる。 大規模な性能評価の結果,FedGAIシステムでは,手描きのスケッチに比べて効率を著しく向上しつつ,人間設計のスケッチに匹敵する品質のマルチスタイルのスケッチを作成できることがわかった。

関連論文リスト

• MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
  MetaDesignerがLarge Language Models(LLM)を利用したアートタイポグラフィーのための変換フレームワークを導入 その基盤は、Pipeline、Glyph、Textureエージェントで構成されるマルチエージェントシステムであり、カスタマイズ可能なWordArtの作成をまとめてオーケストレーションしている。
  論文  参考訳（メタデータ） (2024-06-28T11:58:26Z)
• 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)
• iCONTRA: Toward Thematic Collection Design Via Interactive Concept Transfer [16.35842298296878]
  対話型Concept TRAnsferシステムであるiCONTRAを導入する。 iCONTRAは、経験豊富なデザイナーと初心者の両方が、創造的なデザインコンセプトを熱心に探求することを可能にする。 また、微調整モデルを必要としないゼロショット画像編集アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-13T17:48:39Z)
• 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)
• DesignGPT: Multi-Agent Collaboration in Design [4.6272626111555955]
  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。
  論文  参考訳（メタデータ） (2023-11-20T08:05:52Z)
• 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)
• DoodleFormer: Creative Sketch Drawing with Transformers [68.18953603715514]
  創造的スケッチ(Creative sketching)またはドゥーリング(Duodling)は、日常の視覚的物体の想像的かつ以前は目に見えない描写が描かれた表現的活動である。 本稿では,クリエイティビティスケッチ生成問題を粗いスケッチ合成に分解する,粗い2段階のフレームワークDoodleFormerを提案する。 生成した創作スケッチの多様性を確保するため,確率論的粗いスケッチデコーダを導入する。
  論文  参考訳（メタデータ） (2021-12-06T18:59:59Z)
• 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)

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。