English
Liu, W., & Kolisnyk, O.
(2024).
Parametric modeling as an innovative approach in graphic design.
Art and Design,
7(1),
34-45.
https://doi.org/10.30857/2617-0272.2024.1.3
Українська
Стаття
Параметричне моделювання як інноваційний підхід у графічному дизайні
Отримано 01.12.2023, Доопрацьовано 30.01.2024, Прийнято 03.03.2024
Анотація
Мета. Стаття спрямована на дослідження можливостей і стратегій інноваційної інтеграції параметризму в сферу графічного дизайну та аналіз основних проблем і можливих рішень використання параметричного дизайну у створенні графічних об’єктів. Методологія. Відповідно до теми дослідження використані методи включають порівняльне дослідження, теоретичний аналіз та синтез. Результати. У статті розглядаються визначення та особливості параметричного дизайну, аналізуються особливості його застосування для оптимізації дизайн-мислення й створення персоналізованих об'єктів. Представлено різні рівні інноваційних реалізацій, які пропонують кілька стратегій для інтеграції параметричного моделювання у сферу графічного дизайну, включаючи генерацію візуальних елементів, оптимізацію макета, покращення інтерактивності дизайну та застосування візуалізації даних у персоналізованому дизайні. Крім того, обговорюються деякі проблеми інтеграції, пов’язані з використанням технологій штучного інтелекту. Наукова новизна. У статті аналізуються різні рівні та ефективні стратегії застосування параметричного моделювання у сфері графічного дизайну, досліджуються актуальні аспекти взаємодії, які є інноваційними й підкреслюють вагомість використання методології параметричного проєктування, штучного інтелекту, обчислювального дизайну у парадигмі сучасного графічного дизайну. Практичне значення. Матеріали статті можуть бути використані для дослідження інноваційного застосування цифрового дизайну, параметричного дизайну та штучного інтелекту в галузі графічного дизайну
Ключові слова:
параметричне моделювання; параметризм; парпметричний дизайн; графічний дизайн; штучний інтелект; цифровий дизайн
- 442 Перегляди
- Читати статтю
Використані джерела
[1] Abdel-Rahman, W.S.M. (2021). Thermal performance optimization of parametric building envelope based on bio-mimetic inspiration. Ain Shams Engineering Journal, 12(1), 1133-1142. doi: 10.1016/j.asej.2020.07.007.
[2] Alcaide-Marzal, J., Diego-Mas, J.A., & Acosta-Zazueta, G. (2020). A 3D shape generative method for aesthetic product design. Design Studies, 66, 144-176. doi: 10.1016/j.destud.2019.11.003.
[3] Caetano, I., Santos, L., & Leitão, A. (2020). Computational design in architecture: Defining parametric, generative, and algorithmic design. Frontiers of Architectural Research, 9(2), 287-300. doi: 10.1016/j.foar.2019.12.008.
[4] Danhaive, R., & Mueller, C.T. (2021). Design subspace learning: Structural design space exploration using performance-conditioned generative modeling. Automation in Construction, 127, article number 103664. doi: 10.1016/j.autcon.2021.103664.
[5] ElBatran, R.M., & Ismaeel, W.S. (2021). Applying a parametric design approach for optimizing daylighting and visual comfort in office buildings. Ain Shams Engineering Journal, 12(3), 3275-3284. doi: 10.1016/j.asej.2021.02.014.
[6] Eltaweel, A., & Su, Y. (2017). Parametric design and daylighting: A literature review. Renewable and Sustainable Energy Reviews, 73, 1086-1103. doi: 10.1016/j.rser.2017.02.011.
[7] Gill, S.S., et al. (2022). AI for next generation computing: Emerging trends and future directions. Internet of Things, 19, article number 100514. doi: 10.1016/j.iot.2022.100514.
[8] Grosman, S., Macorini, L., & Izzuddin, B.A. (2022). Parametric nonlinear modelling of 3D masonry arch bridges. In B.H.V. Topping & J. Kruis (Eds.), Proceedings of the fourteenth international conference on computational structures technology. Edinburgh: Civil-Comp Press. doi: 10.4203/ccc.3.9.3.
[9] Kandikjan, T., Djokikj, J., Mircheski, I., & Angeleska, E. (2022). Integrating parametric design and additive manufacturing knowledge in industrial design education. Materials Today: Proceedings, 70, 687-693. doi: 10.1016/j.matpr.2022.10.124.
[10] Khoshamadi, N., Banihashemi, S., Poshdar, M., Abbasianjahromi, H., Tabadkani, A., & Hajirasouli, A. (2023). Parametric and generative mechanisms for infrastructure projects. Automation in Construction, 154, article number 104968. doi: 10.1016/j.autcon.2023.104968.
[11] Kwieciński, K., & Słyk, J. (2023). Interactive generative system supporting participatory house design. Automation in Construction, 145, article number 104665. doi: 10.1016/j.autcon.2022.104665.
[12] Miao, L., & Yang, F.X. (2023). Text-to-image AI tools and tourism experiences. Annals of Tourism Research, 102, article number 103642. doi: 10.1016/j.annals.2023.103642.
[13] Oxman, R. (2017). Thinking difference: Theories and models of parametric design thinking. Design Studies, 52, 4-39. doi: 10.1016/j.destud.2017.06.001.
[14] Shi, Y., Shang, M., & Qi, Z. (2023). Intelligent layout generation based on deep generative models: A comprehensive survey. Information Fusion, 100, article number 101940. doi: 10.1016/j.inffus.2023.101940.
[15] Wang, X., Wu, Z., Xiong, Y., Li, Q., & Tao, X. (2023). Fast NURBS-based parametric modeling of human calves with high-accuracy for personalized design of graduated compression stockings. Computer Methods and Programs in Biomedicine, 229, article number 107292. doi: 10.1016/j.cmpb.2022.107292.
[16] Wieja, F., Jacobs, G., Stein, S., Kopp, A., van Gaalen, K., Kröger, N., & Zinser, M. (2022). Development and validation of a parametric human mandible model to determine internal stresses for the future design optimization of maxillofacial implants. Journal of the Mechanical Behavior of Biomedical Materials, 125, article number 104893. doi: 10.1016/j.jmbbm.2021.104893.
[17] Zhang, J., Liu, N., & Wang, S. (2021). Generative design and performance optimization of residential buildings based on parametric algorithm. Energy and Buildings, 244(1), article number 111033. doi: 10.1016/j.enbuild.2021.111033.
[18] Zhang, J., Zhang, K., Peng, R., & Yu, J. (2020). Parametric modeling and generation of mandala thangka patterns. Journal of Computer Languages, 58, srticle number 100968. doi: 10.1016/j.cola.2020.100968.