Cet article propose un modèle probabiliste basé sur un réseau neuronal pour prédire et contrôler les niveaux d’ajustement du vêtement à partir des allocations d’aisance du vêtement, des pressions numériques et des propriétés mécaniques du tissu mesurées dans un environnement virtuel tridimensionnel (3D).
Les niveaux d’ajustement prévus comprennent les niveaux d’ajustement complets et locaux. Le modèle a été mis en place en apprenant à partir de données mesurées au cours d’une série d’expériences virtuelles (données d’entrée) et d’essai réel (données de sortie), puis simulé pour prédire différents styles de vêtements, par exemple, des coupes amples et serrées. Enfin, les performances du modèle proposé ont été comparées au modèle de régression linéaire, au modèle Support Vector Machine, au modèle Radial Basis Function Artificial Neural Network et au modèle Back Propagation Artificial Neural Network.
Les résultats de la comparaison ont révélé que la précision de prédiction du modèle proposé était supérieure à celle des autres modèles. De plus, nous proposons un nouveau processus de conception de vêtement interactif dans un environnement virtuel 3D basé sur le modèle proposé. Basé sur les interactions entre les ajustements de motifs réels et les démonstrations virtuelles de vêtements, ce nouveau processus de conception permettra aux concepteurs de prédire rapidement, avec précision et automatiquement les niveaux d’ajustement des vêtements pertinents sans entreprendre d’essais réels coûteux et chronophages.
Serveur web : https://journals.sagepub.com/doi/full/10.1177/0040517520987520
Date : 21/01/2021