圖文傳播學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/83

歷史沿革

 

民國42年2月

政府遷台後為實施國家建設亟需技術人力，仍將初高中職校改制為單位行業教育，在美國國際合作總署之資助下，由當時的台灣省立師範學院設立工業教育學系，初設機工、木工、電工、圖文 (印刷) 工廠，聘請顧柏岩先生擔任系主任，自民國四十二年二月，開始招收第一屆新生，為培育印刷職業教育師資，不定額招收高職印刷科畢業學生，施以印刷師資專業教 育及工藝科「圖文工」師資之培育。

 

民國50年8月

工教系分別招收工職組及工藝組兩個班，工職組招收高工畢業生，專為培育工業職業學校師資，內有一組獨立招收印刷科畢業生一至三名，施以印刷學程專業教育，並為高中工藝科目培育圖文傳播科目之專業能力。

 

民國67年8月

工教系教學內容整合為：

機械職業教育組

電機、電子職業教育組

傳播設計教育組

其中圖文傳播定額招收學生五名，至民國八十四年增招至十五名。

 

民國84年

在許瀛鑑教授規劃，提出圖文傳播組獨立設系之申請，經教育部批准成立「圖文傳播教育學系」，隸屬教育學院，籌備於八十五年八月招生授業。 民國八十四年十月份，為預作「師資培育機構」之轉型，並配合本系培育「亞太媒體中心」之印刷出版媒體及影視傳播媒體工程人員政策下，國立台灣師範大學奉教育部令，本系更名為「圖文傳播技術學系」。

 

民國84年10月

為預作「師資培育機構」之轉型，並配合本系培育「亞太媒體中心」之印刷出版媒體及影視傳播媒體工程人員政策下，國立台灣師範大學奉教育部令，本系更名為「圖文傳播技術學系」。

 

民國85年8月

提供

四技二專聯招名額20名，錄取學生屬印刷出版科技組，授予工學士學位。

大學聯招名額20名，錄取學生為影像傳播科技組，授予工學士學位。

民國87年9月

教育部核定師大成立科技學院，本系由教育學院改隸科技學院；並再更名為圖文傳播學系，大學部修業年限為四至六年，至少應修完128學分。專業必修含 蓋印刷出版、影視傳播、電子傳播等領域。公費生尚須多修習26教育學分，畢業及獲得本科准教師資格 ，並在相關學校試教一年後取得教師資格。

 

民國88年7月

教育部核准籌備研究所碩士課程，並定於八十九年三月分印刷出版科技組與影像傳播科技組兩組招生，九月正式上課。研究所修業年限二至四年，應修完32學分，並選各組專業學程的必修課程才能撰寫學位論文，畢業獲頒工學碩士學位。

 

民國89年

千禧年為本系第一屆畢業生完成大學部學業，並為研究所首屆新生入學之雙喜年。

 

民國89年7月

教育部核准研究所碩士班招收「印刷出版科技」與「影像傳播科技」兩組學生。畢業後獲頒工學碩士學位。

 

民國94年

教育部核准開設「圖文傳播在職進修專班」。畢業後獲頒工學碩士學位。

 

現在

本系現有專任教師 10 人， 計教授 6 人；副教授 1 人；助理教授 2 人；講師 1 人。

學士班學生共計約 180 人。

碩士班學生約 176 人 (含碩士在職專班 103 人)。

News

系所網址：http://www.gac.ntnu.edu.tw/main.php

Browse

Subject: search.filters.subject.Color Image

Search Results

Now showing 1 - 5 of 5
  • No Thumbnail Available
    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。
  • No Thumbnail Available
    Item
    混和色彩意象主題生成之研究
    (2023) 邵婕芸; Shao, Jie-Yun
    當今元宇宙以及相關的多媒體產業逐漸興起，相較於傳統的人工配色，自動化的色彩主題生成，將能更加的符合市場需求。本研究設計了一種具備色彩意象可預測性的色彩主題生成方法，用來符合設計中色彩計畫的決定因素，試圖解決人工生成色彩主題資料數量有限性的問題，在多媒體應用中將數個須自動決定顏色的對象物產生個別的配色。本設計運用自編碼器的特性，以Kobayashi所提出的色彩意象尺度中色彩意象及色彩主題作為訓練資料，建構新的色彩主題生成模型，同時利用色彩意象的色彩意象情緒座標(CIEC)作為參數，進行符合意象的色彩主題微調。本研究提出「單一色彩意象主題生成」及「混合色彩意象主題生成」兩種生成方法，在兩種生成方法中又可以各自在分出兩個不同的組成模式。希望此方法能將有限資料發揮更大的效用，甚至是預測未知資料的數據。研究結果顯示生成色彩意象及色彩主題在單一色彩意象及混和色彩意象都有良好的成效，經問卷調查的結果也證實90%的題目在機器學習生成的色彩意象之色彩主題與人類的感知之間是相似的，並且可以應用在生成式藝術畫作中，有助於多媒體領域的設計師進行色彩計畫。
  • No Thumbnail Available
    Item
    花語之色彩意象應用於色彩建議與分析
    (2022) 林昭伶; Lin, Chao-Ling
    本研究所側重分析的焦點以日本學者小林重順建立色彩意象座標（Color Image Scale）與色彩意象詞彙資料庫（Color Image Word Database），讓情緒與色彩或色彩組合標準化、數值化，以奠定學理討論基礎，其利用語意差異法度量色彩及意象的關聯，與日本色彩與設計研究所（Nippon Color and Design Research Institute, NCD）合作開發色彩意象座標。透過自然語言處理（Natural Language Processing, NLP）技術將一般口語化的表達轉換至專業的一個或多個設計參數的辨識，用於人工智慧（Artificial Intelligence, AI）深度學習（Deep Learning）訓練出符合大數據內容呈現趨勢優化的色彩建議的方法，提出具體建議。透過設計3組實驗「多意象色彩調和演算法」、「色彩意象抽取演算法」、「花卉圖片重點色彩擷取」，進行提取3色色彩組合當作已知色，實作於「色彩建議演算法」輸出建議色，利用網路問卷調查分析滿意度，結果顯示色彩建議後的5色色彩組合的滿意度平均數都比4色色彩組合高。本研究的主題花語之色彩意象應用於色彩建議後的4色、5色色彩組合的滿意度平均數均達3分以上具有正面的評價。另外，本研究觀察審美度方程式M=O/C，花卉圖片重點色彩應用於色彩建議後的4色、5色色彩組合，都有100%符合M>0.5，發現應是花的顏色色相大多較為相近，產生對應到的數值不會差太大的現象，在曼賽爾色彩系統中如果O與C的落差不夠大，計算得到的數據就不會差太大，進而發現當色彩色相都較為相近時只採用審美度來進行評量色彩調和度是不夠的。 花語被加以利用於色彩意象的表現，輔助設計半自動化色彩建議方法，產生具有代表性或獨特性的色票，未來得以應用於印刷與設計產業中，解決一般非專業人員色彩運用能力不足的困境。COVID-19疫情觸動數位轉型契機，迫切需要大量的資訊傳遞、搜尋與雲端儲存及大數據的使用。科技的進步讓科技推動模式逐漸由技術轉為需求導向（陳聖智，2021），色彩建議方法的效能與創新應用的可行性，導入人工智慧概念，無須透過漫長歲月經驗累積養成，輔助更多有設計需求但能力不足的人，即時性設計因應少量多樣、個人化、個性化的趨勢設計潮流，亦是本研究主要課題以供後續相關研究與應用之參考。
  • No Thumbnail Available
    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。
  • No Thumbnail Available
    Item
    應用資料探勘技術分析台灣特色小鎮之色彩意象
    (2019) 蘇育惟; Su, Yu-Wei
    根據過往研究指出，色彩具有傳達訊息的功能，甚至比文字更容易記憶。城市的色彩意象，多為大眾透過風景、建築、飲食、文化、特產等日常生活所及之事物，再經由學習和經驗，進而產生之色彩連結。因此，城市的色彩意象能表達城市的獨特性及內涵，其所帶來的後續相關應用也更為重要。但目前建立城市色彩意象的方法，多半來自實地田野調查，而後進行校色對比，或是請該城市的居民參與和建構實際之專案，過程中欠缺了自動化的概念。本研究旨在以資料探勘技術分析大眾與城市色彩意象之連結，並將考察及分析過程自動化，研究所產出之結果，可提供於設計及其相關應用做為參考。 本研究以交通部觀光局所選出十大觀光小鎮為主要研究對象，並以日本色彩學家小林重順（Shigenobu Kobayashi）於Color Image Scale中，所提出的城市形容詞作為關鍵字，分別以Word to vector和Google關鍵字搜尋兩種方式，找出城市和形容詞之關聯性，在進行交叉比對作為資料探勘技術的關鍵字以建立城市樣本圖片集，而後以Color-Thief取出顏色並且輔以Color Image Scale作為顏色校正之依據，進而取得自動化色彩組合之結果。研究結果顯示，具有特定特色景點或特產的城市，搭配關鍵形容詞，其城市色彩組合之意象會特別明顯，自動化色彩組合之結果亦符合大眾之滿意程度。