Method for aesthetic design based on customer's kansei evaluation using deep learning

基于深度学习的顾客感性评价的美学设计方法

基本信息

批准号：
20K12540
负责人：
小林正和
金额：
$ 2.75万
依托单位：
Toyota Technological Institute
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K12540/
关键词：
感性工学意匠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生成AI 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敵対的生成ネットワーク

项目摘要

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デザインと顧客の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デザインを設計することを目指してきた．本研究では，この目標を実現するために，近年様々な分野で利用され，多くの成果を上げている深層学習を導入した創成型意匠設計法の検討を行う．今年度は研究の3年目として，以下の3つの研究テーマを実施した．（1）ファインチューニングやアクティブラーニングなどの深層学習のテクニックを利用した顧客アンケートの負担軽減の研究に関しては，昨年度に引き続きケーススタディを実施し，その有効性を検証した．その結果，ファインチューニングやアクティブラーニングを用いることで，大幅に少ないアンケートで精度の高い学習ができることが分かった．（2）本研究で扱う顧客アンケートは，顧客が製品から受ける印象や選好を評価したものであるが，このような評価を全ての製品に対して正確に行うことは難しい．そして，そのようなアンケートを用いてラフ集合を実行すると，間違った顧客選好が抽出されてしまう．そこで本テーマでは，CNNを用いて収集された顧客アンケートの正しさを推定し，正しいと推定されるアンケートのみを用いてラフ集合を実行することで，正確な顧客選好を抽出できるようにした．（3）潜在拡散モデルに基づく画像生成AIの登場は2022年の大きなトピックの一つである．画像生成AIを用いると，プロンプトと呼ばれるテキストから画像を生成することができる．本テーマでは，画像生成AIと顧客アンケートを組み合わせ，画像生成AIによって生成された製品画像を顧客が評価し，その評価に基づいて製品画像を再生成することで，顧客の選好にあった製品画像が生成できるようにした．

在敏感性工程研究领域，我们的目的是通过根据客户调查分析产品设计和客户敏感性之间的对应关系并在设计设计中使用它们，从而设计出满足客户情感需求的产品设计。在这项研究中，为了实现这一目标，我们将研究一种介绍深度学习的创意设计方法，该方法近年来已在各个领域使用，并取得了许多结果。今年是研究的第三年，并实施了以下三个研究主题。（1）关于使用深度学习和积极学习等深度学习技术减轻客户调查负担的研究，截至去年进行了案例研究以验证其有效性。结果，发现使用微调和主动学习可以通过更少的问卷进行高度准确的学习。（2）本研究中涵盖的客户调查评估了客户从产品中获得的印象和偏好，但是很难准确地对所有产品进行此类评估。然后，如果我们使用这样的调查执行粗糙集，则将提取不正确的客户偏好。因此，在此主题中，我们估计了使用CNN收集的客户调查的正确性，并仅使用估计正确的调查进行了粗糙集，从而可以提取准确的客户偏好。（3）基于潜在扩散模型的图像生成AI的出现是2022年的主要主题之一。图像生成AI允许从称为提示的文本生成图像。该主题将图像生成AI与客户调查相结合，客户评估了图像生成AI产生的产品图像，并根据评估重新生成产品图像，从而使客户能够生成适合客户偏好的产品图像。

项目成果

期刊论文数量（5）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Generation of Product Design Using Gan Based on Customer's Kansei Evaluation

基于客户感性评价使用 Gan 生成产品设计

DOI：
发表时间：
2022
期刊：
Proceedings of 9th International Conference on Kansei Engineering and Emotion Research 2022
影响因子：
0
作者：
Masakazu Kobayshi;Pongsasit Thongpramoon
通讯作者：
Pongsasit Thongpramoon

Optimal design of product aesthetics based on rough set theory and deep learning techniques

基于粗糙集理论和深度学习技术的产品美学优化设计