인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 디지털 전환과 비대면 소비 확산으로 초개인화 맞춤복에 대한 수요가 증가하는 반면, 줄자 계측과 숙련 패턴사 경험에 의존하는 전통 맞춤복 제작 방식이 고령자⋅비표준 체형의 곡률과 비대칭을 충분히 반영하지 못한다는 문제의식에서 출발하였다. 연구의 목적은 스마트폰 기반 신체 계측 앱 KNOWBODY PLUS(노바디 플러스)와 파라메트릭 자동패턴 시스템 IFU CAD(이퓨 캐드)를 결합하여, 비대면 환경에서 개인 체형에 최적화된 셔츠 칼라 패턴을 자동 생성할 수 있는지 그 기술적 가능성을 검증하는 데 있다. 연구 범위는 60대 이상 여성 고령자를 대상으로 제작된 FRP 상반신 상 18개와 셔츠용 셔츠 칼라 패턴으로 한정하였다. 연구 방법으로는 선행연구에서 구축된 18명 여성 고령자 FRP 상반신 상의 체형 데이터를 바탕으로 KNOWBODY PLUS로 계측한 신체치수를 IFU
CAD의 셔츠 칼라 자동생성 모듈에 입력하여, 목둘레⋅어깨경사 등 체형 인자가 패턴 치수와 곡률에 어떻게 반영되는지를 분석하였다. 그 결과, 자동패턴은 단순한 치수 입력에 따른 일괄 확대⋅축소가 아니라, 패턴에 영향을 미치는 주요 신체 인자를 변수로 하는 파라메트릭 구조를 통해 각 피험자의 체형 특성에 대응하는 셔츠 칼라 패턴을 생성하는 것으로 확인되었으며, 이를 통해 스마트폰 신체계측과 파라메트릭 패턴화 기술의 결합이 비대면 환경에서도 고도의 맞춤복 제작에 활용될 수 있는 가능성을 보여 주었다. 첫째, KNOWBODY PLUS를 활용한 자동 계측은 수동으로 계측이 어려운 형상화 데이터를 정량화할 수 있었다. 이 데이터는 IFU CAD 시스템에 그대로 입력되어 패턴을 자동 산출할 수 있었다. 둘째, FRP 상반신 상에 기성복 손패턴과 IFU CAD 자동패턴을 비교한 결과 자동패턴의 형상 적합도가 현저히 높아서 착용 안정성과 시각적 균형감이 크게 향상되었다. 셋째, 기성복 패턴은 좌우 비대칭을 반영하지 못하였으나, IFU CAD는 독립 좌우 계산 알고리즘을 통해 각 어깨높이와 목둘레 곡률 차이를 자동 생성하였다. 체형의 좌우 불균형이 큰 고령자에게 높은 적합도를 보였다. 넷째, 패턴 생성 속도는 빨라졌고 패턴의 일관성을 유지할 수 있었다. 본 연구는 KNOWBODY PLUS–IFU CAD 통합 시스템이 비대면 초개인화 맞춤복 시스템의 실현을 위한 유효한 기술적 대안이 될 수 있음을 제시하였으며, 향후 AI 기반 여유량⋅디테일⋅비율 자동 제어 기능을 추가함으로써 감성적 맞춤형 패턴 설계로 확장할 수 있는 잠재력을 갖고 있음을 시사한다.
CAD의 셔츠 칼라 자동생성 모듈에 입력하여, 목둘레⋅어깨경사 등 체형 인자가 패턴 치수와 곡률에 어떻게 반영되는지를 분석하였다. 그 결과, 자동패턴은 단순한 치수 입력에 따른 일괄 확대⋅축소가 아니라, 패턴에 영향을 미치는 주요 신체 인자를 변수로 하는 파라메트릭 구조를 통해 각 피험자의 체형 특성에 대응하는 셔츠 칼라 패턴을 생성하는 것으로 확인되었으며, 이를 통해 스마트폰 신체계측과 파라메트릭 패턴화 기술의 결합이 비대면 환경에서도 고도의 맞춤복 제작에 활용될 수 있는 가능성을 보여 주었다. 첫째, KNOWBODY PLUS를 활용한 자동 계측은 수동으로 계측이 어려운 형상화 데이터를 정량화할 수 있었다. 이 데이터는 IFU CAD 시스템에 그대로 입력되어 패턴을 자동 산출할 수 있었다. 둘째, FRP 상반신 상에 기성복 손패턴과 IFU CAD 자동패턴을 비교한 결과 자동패턴의 형상 적합도가 현저히 높아서 착용 안정성과 시각적 균형감이 크게 향상되었다. 셋째, 기성복 패턴은 좌우 비대칭을 반영하지 못하였으나, IFU CAD는 독립 좌우 계산 알고리즘을 통해 각 어깨높이와 목둘레 곡률 차이를 자동 생성하였다. 체형의 좌우 불균형이 큰 고령자에게 높은 적합도를 보였다. 넷째, 패턴 생성 속도는 빨라졌고 패턴의 일관성을 유지할 수 있었다. 본 연구는 KNOWBODY PLUS–IFU CAD 통합 시스템이 비대면 초개인화 맞춤복 시스템의 실현을 위한 유효한 기술적 대안이 될 수 있음을 제시하였으며, 향후 AI 기반 여유량⋅디테일⋅비율 자동 제어 기능을 추가함으로써 감성적 맞춤형 패턴 설계로 확장할 수 있는 잠재력을 갖고 있음을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095677315
