面具製作的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

奇幻面具製作方法：神秘絢麗的妖怪面具

為了解決面具製作的問題，作者綺想造形蒐集室 這樣論述：

　　像烏鴉一樣引人注目的瘟疫面具，帶有不祥魅力的骷髏面具，狐狸面具和般若之面，以及蒸汽龐克的原創面具，許多手工製作的精美面具現在受到了很多關注。 　　本書介紹了活躍在日本和海外的面具藝術家和原創造型藝術家的許多美麗而神秘的作品，包括在“TOKYO MASK FESTIVAL”中受歡迎的藝術家。本書將一一介紹製作過程。 　　涵蓋從初學者的基本技術到專業的超然技術！ 　　我們將從即使是初學者也可以輕鬆上手的基本方法開始，例如如何使用熟悉的紙粘土和工藝材料製作面具，如何修改市售的派對面具等等。不要錯過專業人士獨有的超然技術和充分利用特殊造型的製作技術，也適用於特效現場！

面具製作進入發燒排行的影片

以深度學習與4D列印反向設計3D複雜曲面──以人臉面具為例

為了解決面具製作的問題，作者邱奕宏 這樣論述：

4D列印奠基在3D列印技術之上，利用形狀記憶效應使物件經過外界如熱或光等刺激後能再次變形，其優勢是在印製空心或懸空的網格結構時能省下大量的支撐材，並進而大幅加速製造的速度。過去雖有研究使用形狀記憶聚合物組成的平面網格透過4D列印來進行立體網格的製作，但由於變形機制的高度非線性與鄰近網格的相互牽連，反向設計的過程非常困難。因此，本研究探討了形狀記憶聚合物作為平面網格材料的設計空間，希望能以深度學習自動化反向設計的過程。其中本研究利用熔融堆疊式的3D列印機列印SMP55時儲存的預應力作為4D列印的機制，結合PLA產生的遇熱會彎曲的雙層結構，產生共四種的單元網格配置的平面網格設計空間。本研究先以人

為反向設計藉由嘗試錯誤的方法，搭配有限元素法與繪圖軟體反向設計三個日本能面，驗證了此設計空間的多樣性。接著深度學習反向設計的部分，本研究將人臉面具的平面網格設計以多項式的參數來生成大量的隨機人臉面具，並搭配有限元素模擬產生對應的變形形狀作為深度學習模型訓練的資料集。模型架構上本研究選擇通常用於影像分割(Image segmentation)任務的全卷積網路(Fully convolutional network)模型進行反向設計，模型會根據目標形狀的深度照片來生成平面網格設計。在測試資料集中全卷積網路生成的人臉面具能夠有超過0.95的相素準確度與0.9的平均並交比，代表網格設計變形形狀的深度照

片也有約0.9的結構相似性與7.5的均方誤差。雖然模型在資料集外如日本能面的反向設計結果不是很理想，卻已足夠證明此一方法的可行性。本研究也以日本能面為例以泡熱水實驗與石膏鋪膜的方法改善了人臉面具的製程，其結果不僅能夠驗證有限元素的模擬，也能製造出與能面相似的面具。

動物：讓大腦變聰明的剪紙遊戲

為了解決面具製作的問題，作者ChaekMajung 這樣論述：

動手剪出32種可愛動物， 讓大腦變靈活，玩出創造力與成就感！   　　剪紙是幼兒在成長過程中最喜愛的遊戲之一，可以訓練孩子精準的手眼協調、保持注意力集中與耐心。   　　本書結合剪紙與簡易的摺紙，先從直線、弧線開始、到複雜的形狀、最後剪出對稱圖案，簡單的步驟就能完成有趣的場景與漂亮的動物勞作，讓孩子超有成就感！   　　商品功能 　　★32款動物剪紙，內容由淺入深，讓孩子掌握各種剪紙的技巧，享受做勞作的樂趣。 　　★訓練手部精細動作發展與良好的手眼協調，同時增加注意力與耐心，建立成就感。 　　★色彩豐富、造型可愛，作品可以當作家家酒道具或房間擺設，發揮孩子無限的想像力。   本書特色  

　　1. 可撕下每一頁 　　為了方便孩子剪紙，每一頁皆可沿著切線撕下來，裁剪與對折時更易於操作。   　　2. 趣味造型剪紙 　　沿著線條剪下、對折，就能擁有不同的情境，讓畫面變得生動又有趣。完成的勞作也能當成擺設或是玩扮家家酒，增加孩子的創意。   　　3. 內容創意豐富 　　共32款剪紙遊戲，有基礎剪紙、折紙、對稱圖形與面具製作等內容，滿足孩子愛動手動腦的欲望。   　　4. 插圖童趣可愛 　　色彩繽紛的插圖增加孩子的興趣，對於自己完成的作品會更加喜愛，培養自信與成就感。

3D列印之超彈性材料蒲松比精密量測與4D列印之平面網格變形──面具製作搭配反向設計

為了解決面具製作的問題，作者徐亦賢 這樣論述：

本研究分為兩個方向，兩者皆以3D列印作為出發點，第一部分針對3D列印材料的性質精密量測作為目標；第二部分則針對3D列印材料於4D列印的應用進行新穎加工方法的探討，看似不存在關聯，但第一部分的內容為量測方法的探討，其結果可應用於第二部分的材料作為未來相關研究的使用。隨著3D列印技術的普及，快速成型(Rapid prototyping)超彈性材料也成為3D列印不可或缺的特色之一，這也成為軟性機器人製造與設計時常用的方法。然而超彈性材料因類似橡膠的性質，使其存在週次軟化的現象，此現象對於機器人性能有顯著影響。由於超彈性材料在大變形下難以進行精確量測，使3D列印材料性質的研究多以硬材料為研究目標，且

在週次軟化的研究中，並無針對其非線性蒲松比進行量測，因此本研究旨在精確量測3D列印超彈性材料的機械性質，其中透過量測熱塑性聚氨酯(TPU 85A, NinjaTek, Ninjaflex)於週次拉伸試驗中的機械性值了解週次軟化現象的非線性蒲松比變化。TPU 85A為現今熔融堆疊式3D列印中剛性最低的材料，其優異的彈性成為許多軟性機器人材料的首選。為了精確量測其性質，本研究使用平面影像關聯法搭配Reference sample compensation (RSC)修正方法來達到此目的，該方法能有效修正進出紙面位移帶來的量測誤差。在此修正方法下，成功觀測到蒲松比隨著週次軟化與遲滯變化的現象，在第一

週次下蒲松比由較低的值0.45 ± 0.005提升至較高的值0.48 ± 0.005，而在後續週次下蒲松比維持在較高值且隨著拉伸應變的增長有些為變化，此蒲松比變化導致試片在最大拉伸應變為17.5%下體積有些微的增加(≈ 1%) 。此發現可協助有限元素法使用者進行軟性機器人之輔助設計，也有助於了解週次軟化現象的物理機制並提供其他研究來驗證週次軟化的理論模型。4D列印為3D列印技術的延伸，係使用智能材料使3D列印的物件可透過外界刺激而變形，此機制可以應用於機器人或形狀變形等領域。形狀變形的優勢使其能透過簡單的結構轉換為複雜結構，克服3D列印對於複雜曲面印製的困難。過去研究未使用形狀記憶聚合物組成的

平面網格透過4D列印來進行立體網格的製作，且反向設計其平面網格的過程困難且繁瑣。因此本研究希望以形狀記憶聚合物作為平面網格材料經4D列印的過程來做為立體網格的加工方法，並以人臉的理想模型系統(Model system)來測試此方法可行性，而立體網格的反向設計除了以人為設計外將搭配深度學習來加速該過程。而其中本研究透過熔融堆疊式3D列印機在列印智能材料(SMP55)時會在材料中殘留預應力的特性，找出一個能穩定列印且又能使SMP55能產生高達60%收縮率的列印參數，並透過與PLA組合的雙層結構使其能向上與向下彎曲，在這兩種材料四種組合配置形成的平面網格來達成4D列印。人為設計的部分藉由尋找平面網格

不同設計下變形的規律，搭配有限元素法成功完成了三個日本能面的製作，也驗證了該方法於立體網格加工方法的可行性，且能藉由本研究設計的過程可將此技術應用於其他立體網格的製作。深度學習的部分，本研究將人臉面具的平面網格設計參數化來生成隨機的人臉面具，以此大量的隨機面具來進形人臉面具反向設計模型訓練的依據，其中條件式深層卷積生成對抗網路作為反向設計的模型架構，神經網絡根據目標的深度照片來生成平面網格設計，而其生成的人臉面具與目標的深度照片在結構相似性的計算下有77%的相似度，其結果仍存在一定的進步空間。在本研究網絡模型訓練的結果、參數化隨機人臉生成與4D列印平面網格列印的方法之上，未來能使反向設計的神經

網絡模型更加完善。