<![CDATA[A Generative Adversarial Network (GAN) telah menunjukkan hasil yang mengesankan dalam pembuatan gambar desain produk. Tujuan Penelitian ini adalah mengusulkan metode untuk meningkatkan desain produk berupa kursi dengan menghasilkan desain kursi yang sangat besar kandidat mengambil sampel dari distribusi data pelatihan dasar yang dipelajari, yang dapat mempercepat proses perancangan dengan tetap mempertahankan variasi bentuk dan tekstur. Metode berbasis GAN mempelajari proyeksi antara dua domain dengan kehilangan konsistensi siklus atau dengan berbagi fitur ruang laten. Penerapan metode-metode tersebut dapat diterapkan untuk menyempurnakan desain produk. Dengan menggunakan GAN maka dapat mencapai tujuan tujuan penelitian yaitu merancang desain produk kursi dengan bentuk dan tekstur yang kreatif. Dibandingkan dengan proses desain kursi tradisional yang membutuhkan waktu lebih lama, metode ini mempercepat proses secara dramatis sekaligus menjaga kreativitas dan orisinalitas. Hasil dari metode ini dapat untuk meningkatkan desain kursi, yang terdiri dari modul sintesis gambar, modul resolusi super, dan keterlibatan manusia. Hal ini dapat mempercepat proses perancangan sekaligus menyeimbangkan kepraktisan dan kreativitas. Kandidat desain yang dihasilkan menunjukkan variasi bentuk dan tekstur. Hasil akhirnya mengilustrasikan metode dengan memilih salah satu kandidat sebagai prototipe desain dan membuat kursi kehidupan nyata dengan bantuan Kecerdasan Buatan.]]>
