| 研究課題/領域番号 |
20K12540
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分90010:デザイン学関連
|
|---|
| 研究機関 | 豊田工業大学 |
|---|
研究代表者 |
小林 正和 豊田工業大学, 工学部, 准教授 (40409652)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | 感性工学 / 意匠設計 / 敵対的生成ネットワーク / 生成AI / クラス活性化マッピング / 最適設計 / 深層学習 / ラフ集合 / ファインチューニング / アクティブラーニング / CNN（畳み込みニューラルネットワーク） / GAN（敵対的生成ネットワーク） / CAM（クラス活性化マッピング） / セマンティックセグメンテーション / 畳み込みニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
感性工学の研究分野では，顧客アンケートに基づいて製品意匠と顧客感性の対応関係を分析し，意匠設計に利用することで，設計者によらずに，顧客の感性的要求を満たす製品意匠を設計する方法を研究してきた．本研究ではこれを実現するために，CNN（畳み込みニューラルネットワーク）を用いて製品意匠と顧客感性の対応関係を分析し，分析結果を基にGAN（敵対的生成ネットワーク）を用いて新しい製品意匠を生成するという創成型意匠設計法の検討を行う．
|
| 研究成果の概要 |
本研究では，顧客の感性評価に基づくデザイナーの知識・経験によらない意匠設計法の実現を目的として，深層学習を用いた製品意匠設計法の検討を行った．その結果，敵対的生成ネットワーク（GAN）や画像生成AIを用いて顧客の選好を反映した製品画像を生成する方法や，クラス活性化マッピング（CAM）や生成AIを用いて製品の意匠デザインと顧客の選好の対応関係を分析することで顧客にもっとも適した製品を生成する最適設計法など，多くの設計法を構築することができた．
|
| 研究成果の学術的意義や社会的意義 |
デザイナーの知識・経験に基づくのではなく，顧客の感性評価に基づく意匠設計を可能にする複数の設計法を提案することができた．これらの方法は，それぞれ特徴があり，状況に応じて使い分けることができる．深層学習を用いることで，製品意匠の人手による分析（前処理）を必要とせず，製品画像を画像のまま利用できる点も提案手法の利点である．また，この1，2年で急激に発展，普及した生成AIや画像生成AIを意匠設計に利用できることを示した点も本研究の意義の一つである．
|
