人工智能輔助“新中式”設(shè)計的工程方法

一、人工智能應(yīng)用于“新中式”設(shè)計的前景與難點

人工智能（AI）的引入為“新中式”設(shè)計提供了一個全新的發(fā)展平臺，它可以幫助設(shè)計師更精準地了解市場需求和消費者偏好，在創(chuàng)作過程中實現(xiàn)更加豐富和多元的文化表達。通過建立關(guān)于中華傳統(tǒng)文化的知識圖譜和基因庫，AI可以為設(shè)計師提供數(shù)據(jù)驅(qū)動的洞察力，使得設(shè)計決策更加科學(xué)和精確?！靶轮惺健痹贏I的加持下，能夠在保持文化特色的同時，吸收和融合其他文化元素，創(chuàng)造出具有國際視野的設(shè)計語言。

“新中式”設(shè)計需要設(shè)計師廣泛的了解中國歷史，并能深入理解其背后的文化邏輯。雖然目前的AI在多語種訓(xùn)練數(shù)據(jù)的基礎(chǔ)上已取得顯著進展，可以為設(shè)計過程提供高效的工具支持和新的可能性，但在解讀復(fù)雜的文化符號和傳統(tǒng)意義方面仍存在局限。若要在不犧牲傳統(tǒng)藝術(shù)精神的前提下，確保數(shù)據(jù)的代表性和全面性，需要跨學(xué)科的合作和細致的策劃。此外，模型訓(xùn)練需要收集和整理廣泛的文物數(shù)據(jù)和研究文獻，以構(gòu)建一個結(jié)構(gòu)化、多層級、語義關(guān)聯(lián)的中華文明知識圖譜，這需要大量的時間和資源。

雖然AI可以在設(shè)計過程中提供高效的工具支持和新的可能性，但“新中式”設(shè)計的核心仍然是對傳統(tǒng)藝術(shù)形式的尊重和繼承。多模態(tài)AI大模型在解讀中華傳統(tǒng)文化和運用文化元素時可能會出現(xiàn)表達不準確等問題。如何確保在將先進的AI技術(shù)融入設(shè)計時，技術(shù)的應(yīng)用能夠增強而不是替代傳統(tǒng)藝術(shù)的表達；如何通過建立專屬于中華文化的數(shù)據(jù)集和模型，更準確地傳達中國的文化精神和價值觀，這將是很大的挑戰(zhàn)。

二、利用人工智能輔助“新中式”設(shè)計的工程方法

傳統(tǒng)中式元素的基因圖譜構(gòu)建具有非常重要的文化意義，涉及大量數(shù)據(jù)庫資源，以及如何利用AI深度學(xué)習(xí)進行穩(wěn)定的設(shè)計轉(zhuǎn)化方法。鑒于此，將AI應(yīng)用于“新中式”設(shè)計，應(yīng)充分吸收并轉(zhuǎn)化傳統(tǒng)設(shè)計的藝術(shù)經(jīng)驗，形成一套科學(xué)性強、系統(tǒng)性好、可靠性高的設(shè)計方案、實施流程和評價體系，以適應(yīng)數(shù)字化和智能化的趨勢。

深度學(xué)習(xí)算法在當前的AI圖像和圖案設(shè)計領(lǐng)域顯示出極大的潛力，因此本研究將其作為主要的研究方法和實驗的核心技術(shù)。通過利用深度學(xué)習(xí)算法，在中式紋樣、工藝、色彩等傳統(tǒng)文化因子的基礎(chǔ)上結(jié)合時尚設(shè)計元素，進一步在紡織品設(shè)計中探索如何有效地保留和創(chuàng)新這些傳統(tǒng)元素，從而構(gòu)建出一種“新中式”紡織品設(shè)計工作流，并以紡織品設(shè)計領(lǐng)域的實踐為例推動“新中式”設(shè)計的智能化轉(zhuǎn)型和文化基因傳承。

（一）數(shù)據(jù)庫準備與工作策略的系統(tǒng)性構(gòu)建

1.“新中式”數(shù)據(jù)庫搭建

在設(shè)計實踐之前，首先對相關(guān)數(shù)據(jù)進行搜集、歸納并建庫。這些數(shù)據(jù)庫包含用于大模型訓(xùn)練的傳統(tǒng)元素庫、時尚元素庫，以及應(yīng)對不同設(shè)計場景的床品元素庫、窗簾元素庫、地毯元素庫、服裝元素庫（圖1）。

2.“新中式”評價體系構(gòu)建

“新中式”設(shè)計既傳承了中國傳統(tǒng)文化風(fēng)格，又提煉了“國風(fēng)”的關(guān)鍵性元素，并與現(xiàn)代設(shè)計的理念和風(fēng)格元素融合在一起?；谖墨I調(diào)研，結(jié)合多位紡織品設(shè)計領(lǐng)域?qū)＜覍W(xué)者的建議，大致將“新中式”紡織品設(shè)計分為兩大類：中式傳統(tǒng)與現(xiàn)代時尚。又可從五個方面進行具體分析：面料、色彩、圖案、款式、寓意。面料方面，中式傳統(tǒng)服裝常用的絲綢、棉麻等面料得到保留，同時設(shè)計師結(jié)合現(xiàn)代科技，采用新型面料或?qū)γ媪线M行特殊處理，以增加產(chǎn)品的舒適性和功能性。色彩方面，中國傳統(tǒng)色彩以五行為引，赤火熱烈、黃土平順、青木清明、白金素潔、藍水幽靜，色彩相生則悅目，反之則突兀，如紅墻黃瓦、朱門金釘?shù)墓蕦m。圖案方面，結(jié)合中式傳統(tǒng)圖案，如龍鳳、牡丹、祥云等，創(chuàng)造出既有傳統(tǒng)韻味又富有現(xiàn)代感的視覺效果。款式方面，借鑒中式傳統(tǒng)紡織品設(shè)計的經(jīng)典款式，如服裝的云肩、對襟、盤扣等，床品的壓花、刺繡等，并結(jié)合現(xiàn)代審美和人體工學(xué)進行改良和創(chuàng)新，使產(chǎn)品更加符合現(xiàn)代人的使用習(xí)慣和需求。寓意方面，“新中式”設(shè)計代表了古與今的融合，是對中國古典美學(xué)的一種現(xiàn)代詮釋，例如梅、蘭、竹、菊都有中式語境下的特殊意蘊。將現(xiàn)代設(shè)計結(jié)合具有傳統(tǒng)寓意的紋樣，是文化脈搏與時尚前沿的有機結(jié)合。因而，應(yīng)以生成中式傳統(tǒng)元素與現(xiàn)代時尚元素相結(jié)合的輕紡產(chǎn)品為目標，建立起一套“新中式”紡織品設(shè)計評價體系（圖2）。

3.“新中式”紡織品設(shè)計的工作實施流程

“新中式”紡織品設(shè)計的工作實施流程采用多層架構(gòu)的方式來確?？煽?、可靠生成。首先構(gòu)建“新中式”基因大模型，之后構(gòu)建細分設(shè)計領(lǐng)域應(yīng)用分模型，再之后利用ControlNet精細布局以做到可控區(qū)域生成，最后導(dǎo)入到高清修復(fù)環(huán)節(jié)進行高質(zhì)量圖片產(chǎn)出。需要用到的工具與算法有DreamBooth、LoRA、ControlNet等，具體流程如下（圖3）。

（二）設(shè)計實踐

1.實驗環(huán)境

模型訓(xùn)練與圖像生成的實驗環(huán)境為CPU：13thGenIntel（R）Core（TM）i7-13700KF3.00GHz，GPU：NVIDIARTX409024G；操作系統(tǒng)：Windows10。

2.基于DreamBooth的“新中式”基因大模型訓(xùn)練

DreamBooth的模型訓(xùn)練思維框架是基于原有的基礎(chǔ)大模型進行追加學(xué)習(xí)訓(xùn)練，相當于在原有基礎(chǔ)大模型之中注入了一些新的信息，以期達到訓(xùn)練的目標。

在構(gòu)建中華傳統(tǒng)文化基因庫這一宏大命題下，課題組目前整合歸納的數(shù)據(jù)庫雖只占中華文明的冰山一角，所需訓(xùn)練的圖集仍達到了上萬張之多（截至2024年6月中旬），且涉及的門類眾多，包括但不限于傳統(tǒng)工藝美術(shù)品、“非遺”元素、水墨畫、工筆畫等。在這種情況下，需要分批次進行訓(xùn)練。另外，在上述參數(shù)設(shè)置中使用Flipaugmentation進行了顏色微調(diào)，以及圖像鏡像翻轉(zhuǎn)，以求在保持中國傳統(tǒng)色的前提下增加設(shè)計轉(zhuǎn)化成果的多樣性。在驗證生成內(nèi)容后，得出“新中式”1.0基礎(chǔ)大模型，流程如下（圖4）。

4.基于低秩算法的輔助模型訓(xùn)練

因為本次設(shè)計策略需要進行多輪訓(xùn)練，故選用適合在資源有限的環(huán)境中對模型進行定制和優(yōu)化的低秩算法（Low-RankAdaptation）進行訓(xùn)練。模型訓(xùn)練與圖像生成的參數(shù)設(shè)置如下：

5.基于低秩算法的床品模型訓(xùn)練

根據(jù)低秩算法訓(xùn)練的特性，結(jié)合基于模因理論對“新中式”床品辨識元素的分析，寫出樣本圖片相應(yīng)的標簽（標簽在擴散模型中的作用是用來幫助模型理解圖像的語義，同時也是生成內(nèi)容時的觸發(fā)詞），并將樣本圖片制作成512×512像素進行訓(xùn)練。利用WB1.4標簽器為圖片產(chǎn)生相對應(yīng)的“新中式”關(guān)鍵標簽及針對床品設(shè)計領(lǐng)域的場景標簽，在給每張圖片填寫標簽時，通過圖像的材質(zhì)、款式、色彩、圖案、寓意與床品展示場景相關(guān)標簽如室內(nèi)、枕頭、綠植、窗戶、床等方面進行組合撰寫，由此來實現(xiàn)針對“新中式”的精確化設(shè)計。

考慮到后續(xù)有多項設(shè)計場景需要進行基礎(chǔ)參數(shù)遷移，為保證算力的優(yōu)化使用，在控制其他參數(shù)不變的情況下，只變動圖像迭代和訓(xùn)練周期，發(fā)現(xiàn)其中第20輪迭代在保證圖像穩(wěn)定的情況下所占算力較少，效果如圖所示（圖5）。

在圖像迭代后，選擇其中最符合“新中式”風(fēng)格且展示效果最佳的模型—XC-LoRA，運用該模型生成的效果（圖6），可以看到面料質(zhì)感、壓花款式的表現(xiàn)，以及有著中式語義的竹、松紋樣，色彩也符合中式傳統(tǒng)風(fēng)格，符合前文所提及的“新中式”評價體系。

6.基于低秩算法的窗簾、服裝、地毯模型訓(xùn)練

在經(jīng)過上述床品的LoRA訓(xùn)練后，課題組按照上述實踐方法令LoRA對服裝、窗簾、地毯進行深度學(xué)習(xí)，針對性地對特定分類進行細致的提示詞歸納、遷移訓(xùn)練參數(shù)，并針對性地做出微調(diào)，訓(xùn)練出適用于窗簾設(shè)計、服裝設(shè)計、地毯設(shè)計等不同場景的針對性模型—XL-LoRA、XF-LoRA、XD-LoRA。以下是部分效果圖展示（圖7、圖8）。

7.AI誤判選區(qū)的清除方法，基于ControlNet的畫面分層處理

在上述模型生成的“新中式”圖像中，存在一些不屬于設(shè)計區(qū)域、被AI誤判的選區(qū)。為了更準確地進行新中式內(nèi)容生成，團隊使用了控制預(yù)訓(xùn)練圖像擴散模型的神經(jīng)網(wǎng)絡(luò)ControlNet。利用ControlNet對圖像進行識別，以圖像—線稿—白模進行畫面區(qū)域分割，再對設(shè)計區(qū)域進行劃分，以實現(xiàn)“新中式”風(fēng)格內(nèi)容的穩(wěn)定遷移（圖9）。

在完善這套精細控制流程后，課題組對瑕疵圖片進行修復(fù)（圖10）。可見經(jīng)ControlNet控制的分層模型，可以更精準地定位設(shè)計區(qū)域，從而進行針對性的設(shè)計轉(zhuǎn)化，如圖10未經(jīng)控制的效果圖中，對竹子紋樣定位在錯誤的非設(shè)計區(qū)域；而經(jīng)過控制后，唯有窗簾區(qū)域有竹紋樣展示，提供了更穩(wěn)定的生成效果。

8.基于R-ESRGAN4x+算法圖像高清修復(fù)

R-ESRGAN4x+算法是Real-TimeEnhancedSuper-ResolutionGenerativeAdversarialNetwork4x+的縮寫，是一種圖像超分辨率重建算法。R-ESRGAN4x+基于生成對抗網(wǎng)絡(luò)，是ESRGAN的改進版本之一。在經(jīng)過ControlNet輸出圖像后通過運用遞歸結(jié)構(gòu)的R-ESRGAN4x+算法，設(shè)計圖像的分辨率得以提高，圖像細節(jié)也進一步得到完善，生成圖像的質(zhì)量相對其他AI的修復(fù)更穩(wěn)定。課題組在諸多寫實種類的圖像中利用這項技術(shù)取得了很好的生成效果，展現(xiàn)出更好的分辨率、去模糊和去噪等圖像呈現(xiàn)。

對圖像的高清修復(fù)大致可以分為三個階段：首先是圖像分析，分析原始圖像的內(nèi)容，把構(gòu)造、材質(zhì)和可能的噪點進行整理歸納，決定修復(fù)過程中將要增加哪些細節(jié)。其次是圖像重建，算法會根據(jù)已有的低分辨率圖像來預(yù)測缺失的高分辨率細節(jié)，對圖像進行平滑邊緣、增加紋理等操作，從而達到填補圖像中未明確顯示的部分的作用。最后是圖像優(yōu)化，使用R-ESRGAN4x+算法能夠優(yōu)化圖像的色彩、對比度和亮度，以確保圖像不僅分辨率高，而且視覺效果也符合人眼觀察的自然感。具體流程圖如下（圖11），修復(fù)過的床品紋樣更加清晰平滑、紋理更多，更能表現(xiàn)出光滑細膩的面料質(zhì)感（圖12）。

結(jié)語

“新中式”是中國傳統(tǒng)文化與現(xiàn)代生活之間的重要橋梁，擁有廣闊的發(fā)展前景，隨著AI技術(shù)的不斷進步，AI與“新中式”設(shè)計的結(jié)合將成為新質(zhì)生產(chǎn)力發(fā)展的重要助力，同時也為現(xiàn)代輕紡業(yè)實現(xiàn)降本增效、長遠發(fā)展提供必要保障。本項目利用AI技術(shù)結(jié)合紡織品設(shè)計方法，搭建了一套“新中式”設(shè)計AI的訓(xùn)練流程，并創(chuàng)建了具有“新中式”基因的大模型，以及能夠應(yīng)用于不同設(shè)計場景的XC-LoRA、XL-LoRA、XF-LoRA、XD-LoRA分模型，有效促進了傳統(tǒng)文化與時尚風(fēng)格的智能融合。此次基于深度學(xué)習(xí)技術(shù)構(gòu)建出的“新中式”文化基因大模型僅是1.0版本，但實驗得到的成果已經(jīng)充分展現(xiàn)出該模型的商用化前景。未來，課題組將持續(xù)對新中式文化基因大模型進行更新與改良，令其在文化與產(chǎn)業(yè)領(lǐng)域發(fā)揮更大的影響力。