Research on digital drawing to leverage consumers' design ideas in the fashion market
| Project/Area Number |
21K12545
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90010:Design-related
|
|---|
| Research Institution | The University of Shiga Prefecture |
|---|
Principal Investigator |
森下 あおい 滋賀県立大学, 人間文化学部, 教授 (10230111)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
村上 かおり 広島大学, 人間社会科学研究科(教), 教授 (80229955)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | デザイン / ドローイング / デジタル / 深層学習 / ファッション / デザイン画 / データベース / ファッションデザイン / スタイル画 / デジタルドローイング |
|---|
| Outline of Research at the Start |
本研究では感性情報を含むスタイル画のデータベースを構築し、深層学習モデルと組み合わせることで、個人が描画やキーワードから衣服のデザインを作成できるファッションデザインの支援システムを開発する。これにより簡単なドローイングから感性情報が整理されたスタイル画、および実物画像を予測して「個人が求めるデザイン」を衣服生産できるようにする。
|
| Outline of Annual Research Achievements |
成熟した消費社会において衣服は量的には満たされているが生活者が求める内容は複雑化している。特に膨大な情報の中からデザインについて満足する衣服を選ぶのは容易ではなく、自分の好みに合うものがないという不満が増している。これに関しては、個人対応の衣服は、体形に適合した衣服設計の研究が進められ、デジタルシステムの中で個人の体形に合うボディ作成や型紙作成が可能になり、試着なしで体形に合わせられるパーソナル化した服飾製品のシステ ムづくりが進んでいる。一方で、個人が求めるデザインの研究は人の感性が強く関わるために、分析対象となるデータが得にくく研究開発は遅れている。こうした衣服デザインのめぐる研究動向を背景に、本課題はスタイル画の表現をデジタルな技術としてデザイン工程に導入し、人と衣服の感性価値を活かした衣服デザインの創造を支援する研究を行う。具体的には、個人が描いたドローイングから衣服のデザインを作成できるファッションデザインのシステムを開発する。簡単なドローイングから感性情報が整理されたスタイル画および実物画像を深層学習の手法を用いて予測することで、個人が求めるデザインを衣服生産へとつなげ実現させる。本課題は、急速に進むデジタル環境に適応した個人主導の衣服デザインの創出とその社会的な実用を目指す、これからの衣服開発の基盤技術をなすものである。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
これまでに手描きのデザイン画からデジタル画に変換する技術を検討するため、スタイル画における表現方法の「手描き」と「デジタル画」について着目し、それぞれの特徴を観察し、感性的ドローイングデータベースを作成した。これらのスタイル画について、表現された線そのものの特徴を把握するために、手描きのスタイル画をデジタル画面上でトレースし、複数のペンの種類に描き分けて、手描きとデジタル画の各々についての観察と分析を行った。本研究の目的である「スタイル画から精度の高い着装予測」について、スタイル画の描画が表す印象を適切な感性用語で表現して行う着装予測は、スタイル画に関する重要な課題のひとつであるが、シルエットのみを記述する従来的な手法では精度に限界があった。そこで本研究では、手描きとデジタル画の描き方の特徴の詳細を把握し、スタイル画を描く過程を記録しそのプロセスについても分析を行った。これらの分析をふまえたうえで、機械学習を応用し、スタイル画におけるファッション・イメージの推定を行った。具体的には、事前学習モデルCLIPを用いて、 任意の画像とラベルの類似度を計算するため、専門家が定めるデザイン画の ファッションイメージを、事前学習モデルによって推定できるかについて、スタイル画222点を試料に観察した。その結果、CLIPは主に衣服の色、柄、素材、配色やシルエットなどの基本的な要素に基づいてイメージを表すのに対して、デザイナーは、帽子などのアイテム、衣服のディテール、着装している姿や人物のポーズ、さらに作品の時代性も考慮してファッション・イメージを決定していることが分かった。
|
| Strategy for Future Research Activity |
今後はさらに深層学習モデルとデザイン試料を組み合わせた分析を進めて、個人が求めるデザインが、描画やキーワードから作成できる支援システムの構築を行う。特に今年度は高精度な着装予測に実現を目指す。スタイル画による着装予測は、衣服分野における重要な課題のひとつであるが、シルエットのみを記述する従来的な手法では精度に限界があった。これに対して、深層学習では画像を入力データとすることができることから、入力をスタイル画、出力を実際の着用写真とし、End-to-End(画像対画像対応型)のディープモデルで学習を行う。予測の精度については従来法との比較・検証実験をファッションデザイナー、パタンナー、服飾教育関係者を評価者として行う。最終的には、完成した衣服予想図をアパレルＣＡＤや３Ｄプリントへと連動させて、個人の感性を生かした衣服設計を、デザインから実物に至るトータルなシステムを実現させる現実的な道筋をつける。
|
Report
(3 results)
Research Products
(3 results)
