طراحی مد لباس‌ها با استفاده از شبکه‌های زایشی خصمانه

تنوع فزاینده نیازهای مشتری، رقابت شدید جهانی و کم شدن زمان ارائه به بازار و هزینه‌های گزاف، چالش‌های زیادی را برای طراحان لباس ایجاد می‌کند، با این حال پیشرفت‌های اخیر در یادگیری عمیق و بکارگیری تکنیک‌های هوش مصنوعی از جمله استفاده از شبکه‌های زایشی خصمانه که بطور خودکار اقدام به ایجاد طراحی می‌کند، می تواند این فرآیند را تسریع بخشد. این شبکه‌ها با استفاده از معماری شبکه‌های عصبی کانولوشنی قادرند تا از مجموعه‌ای از تصاویر دیتاست یاد بگیرد و تصاویری مشابه تصاویر واقعی اما کاملاً جدید که در دیتاست موجود نیست را تولید کند.در این تحقیق، با استفاده از الگوریتم‌های یادگیری عمیق و شبکه‌های زایشی خصمانه یک تصویر لباس جدید متناسب با خواست کاربر تولید می‌گردد که می‌تواند رنگ، بافت، شکل و سبک جدیدی را در ناحیه مشخصی در یک تصویر قطعه‌بندی شده اعمال کند و با دستکاری تصویر تقسیم‌بندی شده، یک تصویر مد جدید ایجاد کند. در این کار از نرمال سازی منطقه معنایی- تطبیقی، استفاده می گردد که هدف آن ساخت یک معماری شبکه است که می‌تواند سبک هر ناحیه معنایی را به صورت جداگانه کنترل کند و به صورت تعاملی تصاویر را با تغییر ماسک‌های تقسیم‌بندی یا سبک برای هر منطقه خاص ویرایش کند. انتخاب این معماری نشان می دهد اگر اطلاعات سبک به عنوان پارامترهای نرمال سازی در چندین لایه در شبکه تزریق شود می تواند نتایج با کیفیت بالاتری بدست آورد.