طراحي مد لباس‌ها با استفاده از شبكه‌هاي زايشي خصمانه

تنوع فزاينده نيازهاي مشتري، رقابت شديد جهاني و كم شدن زمان ارائه به بازار و هزينه‌هاي گزاف، چالش‌هاي زيادي را براي طراحان لباس ايجاد مي‌كند، با اين حال پيشرفت‌هاي اخير در يادگيري عميق و بكارگيري تكنيك‌هاي هوش مصنوعي از جمله استفاده از شبكه‌هاي زايشي خصمانه كه بطور خودكار اقدام به ايجاد طراحي مي‌كند، مي تواند اين فرآيند را تسريع بخشد. اين شبكه‌ها با استفاده از معماري شبكه‌هاي عصبي كانولوشني قادرند تا از مجموعه‌اي از تصاوير ديتاست ياد بگيرد و تصاويري مشابه تصاوير واقعي اما كاملاً جديد كه در ديتاست موجود نيست را توليد كند. در اين تحقيق، با استفاده از الگوريتم‌هاي يادگيري عميق و شبكه‌هاي زايشي خصمانه يك تصوير لباس جديد متناسب با خواست كاربر توليد مي‌گردد كه مي‌تواند رنگ، بافت، شكل و سبك جديدي را در ناحيه مشخصي در يك تصوير قطعه‌بندي شده اعمال كند و با دستكاري تصوير تقسيم‌بندي شده، يك تصوير مد جديد ايجاد كند. در اين كار از نرمال سازي منطقه معنايي- تطبيقي، استفاده مي گردد كه هدف آن ساخت يك معماري شبكه است كه مي‌تواند سبك هر ناحيه معنايي را به صورت جداگانه كنترل كند و به صورت تعاملي تصاوير را با تغيير ماسك‌هاي تقسيم‌بندي يا سبك براي هر منطقه خاص ويرايش كند. انتخاب اين معماري نشان مي دهد اگر اطلاعات سبك به عنوان پارامترهاي نرمال سازي در چندين لايه در شبكه تزريق شود مي تواند نتايج با كيفيت بالاتري بدست آورد.