Pixie Dust Technologies, Inc

Product & Service

DeepWear DeepWear

JAPANESE ENGLISH

※ デザインは全て「DeepWear™」で作成したものです。

「DeepWear™」は、深層学習によって各種デザインの特徴を捉え、そこから新たなデザインを生成する仕組みです。 優れたデザイナーは多くのファンを生み出しますが、請けられる仕事には限りがあります。 しかし深いニューラルネットワークを構成する計算機がその作品を見て学ぶことで、まるで優秀なアシスタントのように、新たな作品のアイデアを次々に書き出すようになります。 また大勢のデザイナーの特徴を学習していくことで、複数のブランドを融合させた新たなブランドを提案することもできます。 さらにカラーバリエーションや類似デザインなどの生成も可能なため、多くの選択肢からお客様に喜ばれるデザインを選ぶことが可能となります。

DeepWear refers to research on proposing new designs by identifying the features of one or more fashion brands, using deep learning (DCGANs). Although an outstanding designer produces many fans, there is a limit to the amount of work that the person can undertake. However, a computer incorporating a deep-learning neural network can learn by observing the products, and much like an outstanding assistant, is able to output many ideas for new products. Moreover, by learning the features of many designers, it is also able to propose new brands by blending the features of multiple brands. The intelligence of computers based on learning of fashion design, can be used for the generation of ideas by designers, and can also provide hints for new products to manufacturers. Moreover, it also enables end users to place order for garments that match both the features of a favorite brand and the users’ personal preferences.

「DeepWear™」デザインの商品作成までのプロセス(例:スポーツグッズ)

< Case >

< Case >

■Case 1.
事例:ファッションデザイン
多数のファッションデザインを学習し、デザイナーやパタンナーのデザイン創造を補助するツールを作成しました。AIにより作成されたデザインからパタンナーが実際に衣服を作成できることも確認しました。 アウトラインやディテールの表現など実使用に向けた課題に取り組んでいます。またデザインの分析機能や型紙作成、素材選定を自動化する機能の研究も進めています。

■ Case 1.

You have commenced a service in which the product is made in your factory after obtaining the image of the original design from the customer, but it is unable to optimize the designs. You think that it will be difficult to sustain the brand as a service if quality variations occur due to the customer’s design experience. You are looking for ways to optimize the design based on the ideal brand image of the customer and the closer brand image that the provider wants to realize before cutting the pattern and sewing the garment.

< 原理 >

< Theory >

ブランドの特徴を学習し、新たなデザイン案を複数の画像で出⼒

一般的な製法では、ファッションデザイナーが製作した⼆次元画像を型紙職⼈(パタンナー)が図⾯化し、パーツごとに裁断された⽣地を縫製⼯が縫い合わせることで服が完成します。 私たちのシステムでは、特定のブランド、つまりデザイナーの制作物の特徴を深層学習することで、型紙に起こす際の元データとなるスケッチ作成を機械化します。 なお、型紙職⼈が作業可能な解像度で画像を⽣成するため、深い畳み込み⽣成的対⽴ネットワーク(DCGANs)を使⽤しています。

Output of several images as proposals for new design after learning brand features

In the general production method, the patterner generates the production drawing based on the 2D images created by the fashion designer, and then a worker stiches together the cloth pieces cut for each part to complete the garment. In our system, for a specific brand for which deep learning has been undertaken to learn the features of the designer’s creations, we have mechanized the creation of sketches that constitute the basic data necessary in generating patterns. We are using deep convolutional generative adversarial networks (DCGANs), as the images need to be generated at a resolution appropriate for the patterners to use.

計算機・デザイナー・顧客の知能を融合させ、新たな服飾⽂化を構築

Establishing a new dress culture by fusing intelligence of computers, designers, and customers

GANs のシステムのように、型紙起こし・縫製や、出来上がった製品をユーザーに評価してもらうプロセスも並⾏して研究を⾏なうことで、デザイン画像の⽣成プログラムを社会に実装しています。また、潜在変数の調整を顧客⾃⾝が⾏なえるようにソフトウェア化することで、⾃分好みのブランド製品をオーダーメイドで直接発注するサービスにも応⽤可能です。

We are intending the social implementation of a program to generate new garments from design images by concurrently conducting research on the process of user evaluation of pattern making, sewing, and the finished product. Moreover, it is possible to apply this to a service for directly ordering tailored brand products matching personal preferences, by developing software to enable latent variable adjustments by the customers themselves.

戻る BACK
© Pixie Dust Technologies, Inc.