Contribution à la mise en place d’un processus automatique de création de vêtement et d’évaluation de son ajustement à partir d’une base de connaissance métier

Study on knowledge-based garment design and fit evaluation system

• Auteur / Autrice : Kaixuan Liu
• Direction : Xianyi Zeng, Jianping Wang, Pascal Bruniaux, Xuyuan Tao
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Génie Informatique, Traitement du Signal et des Images
• Date : Soutenance le 21/03/2017
• Etablissement(s) : Lille 1 en cotutelle avec Donghua University (Shanghai, Chine)
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : GEMTEX (Roubaix)

Mots clés

Mots clés contrôlés

Statistique bayésienne

Réseaux neuronaux (informatique)

Arbres de décision

Apprentissage automatique

Design interactif

Conception assistée par ordinateur

Vêtements

Mots clés libres

Ajustement du vêtement -- Évaluation

Confort vestimentaire

Résumé

Le design et le bien aller d’un vêtement joue un rôle majeur pour l’industrie du textile-habillement. Actuellement, il apparait trois inconvénients majeurs dans le processus de création et d’évaluation d’un vêtement : il est très coûteux en temps pour une efficacité moindre, il est subordonné à l’expérience des designers et modélistes, il n’est pas adapté au e-commerce.Afin de résoudre cette problématique, trois concepts à la fois technologiques et mathématiques ont été développées. Le premier s’appuie sur l’outil GFPADT (Garment Flat and Pattern Associated design technology) permettant de créer une correspondance entre le style du vêtement choisi et la morphologie du consommateur. Le second utilise l’interactivité entre deux espaces de conception 2D et 3D intégrée à l’outil 3DIGPMT (3D Interactive Garment Pattern Making Technology). Le dernier appelé MLBGFET (Machine learning-based Garment Fit Evaluation Technology) évalue l’ajustement du vêtement par un apprentissage automatique. Finalement, nous avons fourni des solutions de conception et d'évaluation de vêtements basées sur la connaissance en intégrant ces trois concepts basés sur des technologies clés pour résoudre certains problèmes de conception et de production de vêtements dans les entreprises de mode.

Fashion design and fit evaluation play a very important role in the clothing industry. Garment style and fit directly determine whether a customer buys the garment or not. In order to develop a fit garment, designers and pattern makers should adjust style and pattern many times until the satisfaction of their customers. Currently, the traditional fashion design and fit evaluation have three main shortcomings: 1) very time-consuming and low efficiency, 2) requiring experienced designers, and 3) not suitable for garment e-shopping. In my Ph.D. thesis, we propose three key technologies to improve the current design processes in the clothing industry. The first one is the Garment Flat and Pattern Associated design technology (GFPADT). The second one is the 3D interactive garment pattern making technology (3DIGPMT). The last one is the Machine learning-based Garment Fit Evaluation technology (MLBGFET). Finally, we provide a number of knowledge-based garment design and fit evaluation solutions (processes) by combining the proposed three key technologies to deal with garment design and production issues of fashions companies.