Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/78498
| Title: | การออกแบบเครื่องแต่งกายส่วนบนโดยใช้เครือข่ายความขัดแย้งเพื่อการสร้าง |
| Other Titles: | Top Outfit Design using Generative Adversarial Networks |
| Authors: | นพพล คงสำราญ สิรวิชญ์ จันทร์เด่นดวง |
| Advisors: | ศศิภา พันธุวดีธร ศุภกานต์ พิมลธเรศ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์ |
| Subjects: | การออกแบบเครื่องแต่งกาย นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์) Costume design Neural networks (Computer science) |
| Issue Date: | 2562 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ในปัจจุบันการแข่งขันในวงการแฟชันอย่างรวดเร็วเนื่องจากความต้องการที่เพิ่มขึ้นของผู้บริโภค แต่ในขั้นตอนการออกแบบจำเป็นต้องใช้เวลานานเพื่อสร้างงานชิ้นใหม่ อีกทั้งไม่กีปีที่ผ่านมามีงานวิจัยหนึ่งที่ได้รับความนิยมได้เสนอการใช้ตัวแบบโครงข่ายประสาทเทียมสองตัวแบบ มาสร้างเป็นเครือข่ายความขัดแย้งเพื่อการสร้างเพื่อใช้ในการสร้างภาพปลอมขึ้นมาจากชุดข้อมูลภาพที่มีอยู่ การมีตัวแบบเช่นนี้ที่สามารถสร้างภาพจะช่วยลดเวลาที่ใช้ในขั้นตอนออกแบบของนักออกแบบได้ งานวิจัยนี้มีจุดประสงค์เพื่อพัฒนาตัวแบบเครือข่ายความขัดแย้งเพื่อการสร้างที่สามารถสร้างภาพของเครื่องแต่งกายส่วนบนของผู้ชาย เครื่องแต่งกายส่วนบนของผู้ชายสองประเภทได้แก่เสื้อแขนยาวและเสื้อแขนสั้นได้นำมาศึกษาร่วมกับเครือข่ายความขัดแย้งเพื่อการสร้างสี่ประเภทได้แก่ เครือข่ายความขัดแย้งเพื่อการสร้างแบบมีเงื่อนไข เครือข่ายความขัดแย้งเพื่อการสร้างแบบคอนโวลูชันเชิงลึก เครือข่ายความขัดแย้งเพื่อการสร้างวาซเซอร์สตีน และเครือข่ายความขัดแย้งเพื่อการสร้างวาซเซอร์สตีนที่เพิ่มค่าปรับตามความชัน จากการทดลองพบว่าเครือข่ายเพื่อการสร้างวาซเซอร์สตีนที่เพิ่มค่าปรับตามความชันสามารถสร้างภาพเครื่องแต่งกายส่วนบนได้ดีที่สุด |
| Other Abstract: | Presently competition in fashion industry rises dramatically due to rising of customer’s demands; however, designing phase takes too long to make up one task. Also, in past few years there is a popular research, which proposes using two models of neural networks to generate Generative Adversarial Networks for creating a fake image from an existing image data set. Having such model that can generate an image would help designer reduce their time used during designing phase. The purpose of this research is to build a model of Generative Adversarial Networks that can generate an image of male’s top outfit. Two types of male’s top outfit, which are long sleeve shirt and short sleeve shirt, are studied along with four types of Generative adversarial networks, which are Conditional Generative Adversarial Networks, Deep Convolutional Generative Adversarial Networks, Wasserstein Generative Adversarial Networks and Wasserstein Generative Adversarial Networks with gradient penalty. From experiments, the best model is Wasserstein Generative Adversarial Networks with gradient penalty which can generate a new top outfit image. |
| Description: | โครงงานเป็นส่วนหนึ่งของการศึกษาตามหลักสูตรปริญญาวิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ปีการศึกษา 2562 |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/78498 |
| Type: | Senior Project |
| Appears in Collections: | Sci - Senior Projects |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 62-SP-COMSCI-067 - Siravich Chan.pdf | 1.73 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.