การพัฒนาแอปพลิเคชันช่วยวาดภาพลายไทยโดยใช้ปัญญาประดิษฐ์
คำสำคัญ:
ศิลปะลายไทย, แบบจำลองแพร่กระจายที่เสถียร, เทคนิคลอร่า, ปัญญาประดิษฐ์เชิงสร้างสรรค์บทคัดย่อ
งานวิจัยจิตรกรรมลายไทยเป็นศิลปะแบบดั้งเดิมที่มีความสำคัญทางวัฒนธรรมของไทย โดยเฉพาะลวดลายไทยที่ปรากฏในงานศิลปะต่าง ๆ เช่น ภาพจิตรกรรมฝาผนัง งานแกะสลัก และเครื่องประดับทางศาสนา อย่างไรก็ตาม การวาดลายไทยต้องอาศัยทักษะขั้นสูงและประสบการณ์ยาวนาน ทำให้ผู้ที่สนใจศึกษาหรือฝึกฝนต้องใช้เวลามาก ในงานวิจัยนี้ได้มีการประยุกต์ใช้ปัญญาประดิษฐ์เพื่อพัฒนาแอปพลิเคชันที่สามารถช่วยสร้างภาพลายไทยโดยอัตโนมัติ โดยใช้แบบจำลองแพร่กระจายที่เสถียร (Stable Diffusion Model) ร่วมกับเทคนิคลอร่า (LoRA) เพื่อสร้างภาพลายไทยจากคำสั่งนำ (Prompt) ของผู้ใช้ ระบบนี้ได้รับการพัฒนาเพื่อส่งเสริมการเรียนรู้และอนุรักษ์ศิลปะลายไทยในยุคดิจิทัล พร้อมทั้งลดอุปสรรคด้านทักษะและเวลาในการฝึกฝน
ผลการทดลองพบว่า ระบบสามารถสร้างภาพลายไทยที่มีรายละเอียดสูงและมีความคล้ายคลึงกับศิลปะไทยแบบดั้งเดิมได้อย่างมีประสิทธิภาพ นอกจากนี้ ยังสามารถช่วยให้ผู้ใช้สามารถเรียนรู้และสร้างสรรค์ลายไทยได้ง่ายขึ้น
ผลการวิจัยแสดงให้เห็นว่า 1) การออกแบบและพัฒนาแบบจำลองแพร่กระจายที่เสถียรร่วมกับเทคนิคลอร่าโดยผลการประเมินเชิงเทคนิคพบว่า แบบจำลองที่พัฒนาขึ้นมีค่า FID เท่ากับ 253.08 ซึ่งต่ำกว่าแบบจำลองพื้นฐาน Stable Diffusion v1.5 (FID = 302.09) สะท้อนถึงความสมจริงของภาพที่เพิ่มขึ้น และ ค่า CLIP เท่ากับ 0.57 แสดงถึงความสอดคล้องระหว่างภาพที่สร้างกับคำสั่งนำ (Prompt) ที่ดีขึ้น ทั้งนี้ แอปพลิเคชันที่พัฒนาขึ้นสามารถทำงานได้ตามข้อกำหนดของผู้ใช้และบรรลุขอบเขตการวิจัยที่กำหนดไว้ และ 2) ผลการเปรียบเทียบความพึงพอใจของผู้ใช้ก่อนและหลังการใช้งานแอปพลิเคชันกับกลุ่มตัวอย่างจำนวน 10 คน โดยใช้การทดสอบทีแบบไม่เป็นอิสระต่อกัน (Paired t-test) พบว่ามีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 โดยความพึงพอใจหลังการใช้แอปพลิเคชัน (M = 4.74, SD = 0.14) สูงกว่าก่อนการใช้แอปพลิเคชัน (M = 3.25, SD = 0.45) ในทุกด้าน ทั้งนี้ ด้านที่มีความแตกต่างมากที่สุดคือด้านประสิทธิภาพ (t = -10.25) รองลงมาคือด้านการออกแบบ (t = -8.98) และด้านการใช้งาน (t = -8.52) ตามลำดับ ซึ่ง สะท้อนให้เห็นว่าแอปพลิเคชันที่พัฒนาขึ้นไม่เพียงแต่มีประสิทธิภาพทางเทคนิคเท่านั้น แต่ยังมีศักยภาพในการส่งเสริมการเรียนรู้และการอนุรักษ์ศิลปะลายไทยในยุคดิจิทัลอย่างเป็นรูปธรรม
ผลการวิจัยชี้ให้เห็นว่าแอปพลิเคชันที่พัฒนาขึ้นมีประสิทธิภาพในการช่วยส่งเสริมการอนุรักษ์ศิลปะลายไทยในยุคดิจิทัลอย่างมีนัยสำคัญ
เอกสารอ้างอิง
ชลูต นิ่มเสมอ. (2532). การเข้าถึงศิลปะในงานจิตรกรรมไทย. กรุงเทพฯ : กรมศิลปากร.
ธนัช จิรวารศิริกุล และ ศุภชัย อารีรุ่งเรือง. (2565). ศิลป์สถานะของลายไทยจารีตในยุคดิจิทัล : พ.ศ. 2562 - 2565. วารสารวิชาการสถาปัตยกรรมศาสตร์, ฉบับที่ 76(2566), 72-91
ธนัช จิรวารศิริกุล และ ศุภชัย อารีรุ่งเรือง. (2566). Th-AI: สร้างสรรค์ลายรดน้ำด้วยปัญญาประดิษฐ์. Silpakorn University e-Journal (Social Sciences, Humanities, and Arts),Vol. 44(6), 92-105.
นุชจรีย์ เมืองแตง. (2562). ศิลปะลายไทย. เข้าถึงได้จาก: https://www.lib.ru.ac.th/journal2/?p=12009 11 มกราคม พ.ศ. 2568.
บุญชม ศรีสะอาด. (2545). การวิจัยเบื้องต้น (พิมพ์ครั้งที่ 7). กรุงเทพฯ: สุวีริยาสาส์น.
วรรณิภา ณ สงขลา. (2533). จิตรกรรมไทยประเพณี. กรุงเทพฯ : กรมศิลปากร.
วิบูลย์ ลี้สุวรรณ. (2547). ทัศนศิลป์ไทย. กรุงเทพฯ : ชมรมเด็ก.
สุวิทย์ ไวยกุล. (2564). การประเมินประสิทธิภาพแอปพลิเคชันสำหรับการเรียนรู้ภาษาอังกฤษด้วยการทดสอบค่าที. วารสารวิชาการเทคโนโลยีการศึกษา, 12(1), 125-138.
Andrew.(2023). What are LoRA models and how to use them in AUTOMATIC1111.Retrieved 29 January 2024, from https://stable-diffusion-art.com/lora/
Alec Radford, Jong Wook Kim, Chris Hallacy, Aditya Ramesh, Gabriel Goh, Sandhini Agarwal, Girish Sastry, Amanda Askell, Pamela Mishkin, Jack Clark, Gretchen Krueger and Ilya Sutskever. Learning Transferable Visual Models From Natural Language Supervision. ArXiv, abs/ 2103.00020, 2021.
Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu,David Warde-Farley, Sherjil Ozair, Aaron C. Courville, and Yoshua Bengio. Generative adversarial networks. Communications of the ACM, 63:139 – 144, 2014. 2
Jonathan Ho, Ajay Jain, and P. Abbeel. Denoising diffusion probabilistic models. ArXiv, abs/2006.11239, 2020.
Mohan Zhou, Yalong Bai, Qing Yang, Tiejun Zhao. (2024). StyleInject: Parameter Efficient Tuning of Text-to-Image Diffusion Models. ArXiv, 2312.06899, 2024.
Pareesa Ameneh Golnari. (2024). LoRA-Enhanced Stable Diffusion for Cultural Art Generation. doi:arXiv:2401.13942
Sittiphong Pornudomthap, Ronnagorn Rattanatamma and Patsorn Sangkloy. Sketch-to-Image for Innovative Thai Textile Design. Chiang Mai Journal of Science. Vol 52(1),1-12,2025.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารการวิจัยการบริหารการพัฒนา
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของมหาวิทยาลัยราชภัฏสวนสุนันทา
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยราชภัฏสวนสุนันทา และคณาจารย์ท่านอื่นๆ ในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
