學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73898

Browse

Search Results

Now showing 1 - 3 of 3
  • Item
    人工智慧衣著配色生成與形象感知之研究
    (2024) 陳品吟; Chen, Pin-Yin
    在這個社群媒體平台發達的時代,虛擬角色已成為虛擬平台的重要識別,其中個人化設計更是不可或缺。色彩為角色外觀最直接的心理感受,而人們對於角色外觀或形象上多以一般口語化的語句描述,同樣地設計師在挑選色票時,也會先確定產品預期要給予的情緒感受,而後才來搭配適合的色彩,可見詞彙對應色彩是未來設計領域的趨勢。本研究將使用自然語言處理技術,搭配所收集的49個形象形容詞與描述句以及小林重順的色彩意象尺度上174個情感詞彙的描述句,開發形象分類器以及色彩意象分類器,使得輸入的描述句能自動分類到適當的類別,接著使用混和色彩意象主題生成方法生成特定的色彩主題,最終能生成出與各形象適配的色彩主題,並評估此方法與形象感知是否一致。研究結果顯示,形象分類器的分類結果有良好的成效,而色彩意象分類器的分類結果大多也都可以分類到適當的類別,只有少部分的結果不適合。問卷結果顯示在16個形象中有8個形象和虛擬角色的衣著配色之間的感知相符,且具設計背景的受測者較能準確感知到形象與衣著配色間的關係。由此可見,本研究所建立的分類器與色彩主題生成方法有一定的可行性,有助於幫助設計師建立情感與詞彙間的關係,進而挑選到適合的顏色。
  • Item
    運用感知形容詞中文字型推薦之設計與分析
    (2020) 林佳璇; LIN, JIA-XUAN
    人工智慧設計在傳播與相關設計領域已經逐漸受到關注,利用人工智慧、機器學習、自然語言處理技術所建構的設計代理人與自動化高速設計系統開始在一些設計與電商平台上扮演非常重要的角色。字型推薦方法的開發可為未來自動化設計提供技術基礎,有助於即時化、客製化、低成本、極大量的新形態設計趨勢需求。本研究設計一個運用感知形容詞中文字型推薦方法,以詞嵌入技術配合所收集23個特定感知形容詞的隱喻詞彙開發出短文字語句之情感分類器,使得設計內容的文字能自動運算出最符合該輸入語句的情感表達結果,之後再利用感知形容詞與字型的對應關係,最後得出該文字語句字型運用的推薦建議,並評估此字型推薦方法的有效性。 研究結果顯示,運用感知形容詞中文字型推薦方法設計中,感知形容抽取演算法輸出結果與受測者對文句語意的理解較為相符,大部分中文字型指派與文字語意的匹配呈度高,但系統輸出的第一名字型與隨機字型之間對語意的匹配度影響較小。綜上所述,本研究所設計之推薦方法具有很高的可行性,但是仍有一定程度的改進空間。
  • Item
    參數化色彩意象自動商品配色與分析
    (2019) 彭雅芳; Peng, Ya-Fang
      配色是商品設計過程中重要的一環,經常耗費許多時間溝通修改,然而時效性是今日幾乎所有商業活動的必備需求,因此即時的設計需求配色建議是亟待解決的議題。本研究應用小林重順在色彩意象尺度(Color Image Scale)(Kobayashi, 1991)中所列舉的色彩意象(Color Images)(Kobayashi, 2006)為設計參數,開發「色彩意象抽取演算法」,用來抽取描述語句中三個隱含的色彩意象,再收集這些意象所對應的大量色彩組合,透過「多意象色彩調和演算法」篩選出符合調和特性的部分,建立「參數化色彩意象配色系統」,使得所設計的商品在色彩呈現上具有描述語句所意圖傳達的色彩意象。   為驗證上述兩個演算法和整體系統的輸入輸出對應結果是否符合期望,本研究設計三組實驗,使用問卷調查法評估所設計方法的成效,三組實驗分別是:A、「描述語句輸入、色彩意象輸出」評估;B、「色彩意象輸入、商品配色輸出」評估;C、「描述語句輸入、商品配色輸出」評估,探討演算法與系統的精確度和召回率,結果如下:A實驗的精確度最高為70%(色彩意象輸出第一名即包含期望意象),而召回率最高為55%(前兩名色彩意象輸出包含期望意象),顯示僅使用「色彩意象抽取演算法」時建議可參考前兩名色彩意象輸出。B實驗及C實驗的的精確度皆為80%,「多意象色彩調和演算法」與「參數化色彩意象配色系統」能夠提供相對滿足語言和配色的轉換需求。設計背景與非設計背景的受測者在問卷結果的表現上沒有顯著的差異。總結來說,雖然在意象抽取的部分還有很大的進步空間,但在色彩意象與配色的對應上具有很高的可行性。