人工智能背景下中式家具的創(chuàng)新設計研究

蘇 晨 鄭佳勇 鄭曉如

（湖北工業(yè)大學工業(yè)設計學院，湖北 武漢 430068）

2023年人工智能生成內容（AIGC）蓬勃發(fā)展，以ChatGPT為代表的生成式人工智能，開啟了全球第四次科技革命浪潮[1]，越來越多的傳統(tǒng)產業(yè)開始意識到AI的潛力，家具產業(yè)也不例外。人工智能的開發(fā)與應用，極大地推動了家具設計工作向著智能化、數(shù)字化方向轉變。中式家具是富有民族特色和文化魅力的傳統(tǒng)家具，其承載的區(qū)域文化源遠流長[2]。中式家具智能設計研發(fā)需要綜合考慮傳統(tǒng)文化元素、現(xiàn)代設計理念、智能生成算法的三方融合。以中式家具的智能設計為研究對象，將傳統(tǒng)文化元素集成到人工智能生成的算法中，優(yōu)化智能設計在傳統(tǒng)文化產品上的應用流程，提出基于卷積神經網絡和擴散算法相結合的智能設計模型，從算法邏輯上實現(xiàn)人工智能與傳統(tǒng)文化的融合發(fā)展，并將其應用到家具設計上，以期推動中式傳統(tǒng)家具與當代藝術、設計、科技等領域的交叉融合，進而打造兼具時代性、前沿性和傳統(tǒng)韻味的新中式家具。

1 人工智能在中式家具創(chuàng)新設計中的運用

隨著人類進入了一個知識外包的全新智能時代，使用AI工具協(xié)助工作學習必將成為各大行業(yè)的重要方向[3]。人工智能在家具設計領域取得不少成果，但也存在的一些局限性，特別在傳統(tǒng)家具產品的智能開發(fā)上。Hu等[4]構建了家具風格數(shù)據(jù)庫，利用基于深度學習的圖像分類方法對家具風格（如美式風格、洛可可風格、哥特風格等）進行識別與特征提取。王思航[5]對模塊化家具與人工智能相關技術進行了分析，提出了一套定制化衣柜家具的智能設計方法，用于輔助設計師提高工作效率，為企業(yè)帶來收益。清華大學未來實驗室[6]利用圖像生成技術輸出320 000張新椅子圖片，展現(xiàn)了人工智能在產品造型推敲上的先導性。然而，其生成方案的成熟度與文化價值上有所欠缺，大多數(shù)生成方案存在趨同性的問題，需要設計師對其調整與再設計。由于缺乏對傳統(tǒng)文化的深度挖掘與數(shù)字融合，導致文化產品的智能設計會在一定程度上削弱其文化認同和區(qū)域文化價值。人工智能輔助家具設計領域有了一定的研究，但在傳統(tǒng)中式家具的特征識別與智能設計生成的研究較少，也鮮有利用智能設計賦能傳統(tǒng)文化產品開發(fā)的文章。

中式家具的特點是結合我國的歷史、地域、習俗、信仰等因素，創(chuàng)造出了富有傳統(tǒng)特色和魅力的家具產品。中式家具設計的關鍵在于創(chuàng)新和傳統(tǒng)的協(xié)調，要將傳統(tǒng)文化元素融入到家具設計中，需要有一定的創(chuàng)新能力和審美觀念，避免陷入刻板印象或過度夸張。同時也要平衡好傳統(tǒng)與現(xiàn)代、民族化與國際化之間的關系，使家具既能體現(xiàn)民族風格，又能適應當代生活和審美需求[7]。本文用人工智能輔助中式家具的創(chuàng)新設計，提出了基于卷積神經網絡（CNN）與潛在擴散模型（LDM）的中式家具智能設計模型，從而將文化特征考慮到生成算法中，強化LDM算法對中式家具文化特征的識別和應用，最后提供中式家具的方案生成。系統(tǒng)架構如圖1 所示。

圖1 系統(tǒng)架構Fig.1 System framework

2 基于CNN的中式家具特征識別模型

卷積神經網絡（Convolutional Neural Networks，CNN）是一種專為圖像相關任務設計的特殊神經網絡，可以對圖像進行高效、準確的特征提取和分類[8]。中式家具的發(fā)展，亦是繼承與創(chuàng)新的關系，研究中式家具設計，需要著重分析其產品符號語言。因此，對中式家具的創(chuàng)新設計需要確定中式家具產品符號的語言規(guī)則，比如確定其形態(tài)、材質、裝飾等方面的特征，并在構建樣本庫時人為地進行分類，區(qū)分識別重心[9]。這些符號和象征作為中式家具特征識別的關鍵特征，將有助于CNN模型更加準確地進行中式家具特征識別和分類，判定其是否具有傳統(tǒng)文化特色。

2.1 中式家具樣本庫構建

由于傳統(tǒng)家具種類豐富，為便于開展研究，本文以椅子作為代表性家具，進而整合傳統(tǒng)家具設計的共性研究。利用批量下載工具，從網絡上下載4 000余張傳統(tǒng)中式椅子的相關照片，并通過初步篩選，確定了1 500余個圖像樣本，包括完整椅子形態(tài)圖、材質圖和裝飾紋樣圖。為便于后續(xù)圖像模型訓練，對圖像做出以下規(guī)范：1）一張圖片中只包含單個對象；2）圖像大小大于224×224像素；3）各個特征的圖片數(shù)量大致均等（不宜相差過大）；4）形態(tài)圖需要有完整的椅子單體，材質圖需要凸顯木質紋理，裝飾紋樣標簽的紋樣清晰可見。最后由專業(yè)設計師與家具領域專家進行分類篩選，并確定了形態(tài)標簽的椅子圖片562張，材質標簽的椅子圖片435張，裝飾紋樣標簽的椅子圖片519張。

表1 中式家具樣本庫Tab.1 Sample library of Chinese furniture

2.2 構建并訓練中式家具的特征識別模型

圖像分類是圖像學習的基礎，廣泛應用于安全、交通、互聯(lián)網等計算機視覺領域。傳統(tǒng)的圖像識別方法大多采用特征提取和機器學習方法[10]。該方法需要手動設計特征提取器，然后再通過機器學習算法對提取的特征進行學習與分類，而深度學習方法可以通過多層神經網絡自動學習圖像中的特征[11]。這種端到端的學習方式可以減少特征工程的工作量和人為偏差，簡化了圖像分類流程，更適合大體量復雜的圖像識別任務。家具圖像比自然圖像更為復雜，圖像細節(jié)特征更為豐富，所涉及的運算規(guī)模更大。因此，本節(jié)提出了基于CNN的中式家具特征識別方法。與傳統(tǒng)方法相比，它具有更好的靈活性和魯棒性，能實現(xiàn)對紋理、形狀和顏色等特征的識別提取，得到其設計造型上的語義特征。通過設置多個分類頭，最終實現(xiàn)對家具特征的識別，可以得出其整體造型是否符合中式家具形狀特征；其表面材質是否符合中式家具紋理顏色特征；其上的裝飾紋樣是否具有中式家具紋樣的形狀特征。因此，模型的輸入應該是中式家具圖像，輸出應該是一個向量，代表中式家具的造型語義特征和材質特征。

具體步驟如下：

1）使用Python中的OpenCV庫進行圖像預處理。將所有圖像轉換為相同的大小、顏色空間和分辨率。常用的圖像預處理技術包括裁剪、旋轉、縮放和歸一化。在此階段加入數(shù)據(jù)增強環(huán)節(jié)，對每個訓練樣本進行水平翻轉。最后將每個數(shù)據(jù)樣本與其水平反轉的樣本尺寸分辨率統(tǒng)一為224×224像素，作為深度網絡最終輸入。

2）使用深度學習框架Keras和Python搭建VGGNet 16模型，作為特征識別模型。VGGNet是一種常用于圖像識別的傳統(tǒng)深度卷積神經網絡模型。VGGNet 16網絡有16層，其中包括13個卷積層和3個全連接層（圖2）。首先通過激活函數(shù)向CNN中引入了非線性元素，使CNN模擬真實環(huán)境中樣本數(shù)據(jù)的非線性分布。為了更好地發(fā)揮其特征識別的功能，并使其收斂速度更快，構造了新的激活函數(shù)SReLU，兼具SoftSign和ReLU函數(shù)的優(yōu)點，定義如下：

圖2 特征識別模型的網絡結構Fig.2 The network structure of feature recognition models

式中：yi為第i個激活函數(shù)f的輸入。激活函數(shù)層的輸入大于0時，取ReLU函數(shù)值；小于0時，取SoftSign函數(shù)值，表示不同顏色的圖像通道。ac為不同顏色通道的值，控制負半軸的輸入。

采用softmax對圖像進行中式家具屬性分類，計算公式為：

式中：FurnitureP為中式家具特征屬性的概率輸出；hFC3為最后一層全連接層FC3的輸出。根據(jù)中式家具特征屬性的概率輸出，即可得到輸入樣本圖片具體的特征形容。

該網絡損失函數(shù)公式為：

式中：（x(i),y(i)）為第i個樣本；m為訓練樣本的個數(shù)；hw(x)為假設函數(shù)，表示出數(shù)據(jù)分布。

求出softmax損失函數(shù)的最小值，則是該算法訓練的過程。最后模型末尾添加全局平均池化層和全連接層，三層的全連接層對卷積層提取的特征映射再進行抽象和非線性融合，得到更有效的特征表達，保持前兩個全連接層與原模型一致，將FC3的輸出修改為2。最后，把學習到的特征輸入到softmax分類層進行細化輸出，得到具體的中式家具特征識別結果，比如其形態(tài)是否符合中式家具形狀的識別條件，材質是否符合木質的紋理顏色條件等。

3）訓練模型并應用。在訓練時，可以使用傳統(tǒng)的分類模型訓練方法，例如交叉熵損失函數(shù)、隨機梯度下降等，然后需要指定合適的損失函數(shù)和優(yōu)化器，例如softmax交叉熵損失函數(shù)、Adam優(yōu)化器等。訓練模型需要輸入訓練數(shù)據(jù)train_data和標簽train_labels，以及驗證數(shù)據(jù)validation_data和標簽validation_labels，并指定訓練輪數(shù)epochs和批次大小batch_size。訓練參數(shù)會直接影響模型的最終應用效果。經過多次調整，具體參數(shù)如表2所示。采用Adam為優(yōu)化器，它是一種自適應學習率的優(yōu)化算法，兼具AdaGrad和RMSProp算法的優(yōu)點，能夠在訓練過程中自動調整學習率。此處設置初始學習率為0.002。將步驟1）中建立的樣本庫按比例設置為訓練集與測試集，對無法打開的數(shù)據(jù)進行清洗，最終完成模型訓練。

表2 訓練參數(shù)Tab.2 Training parameters

為檢驗網絡能否正確識別椅子風格，輸入20張家具圖片進行實際測試，最終輸出的特征識別符合率為85.6%，說明該模型真實可靠。應用中式家具特征識別CNN模型對網絡爬蟲爬取的25 353張有效圖片數(shù)據(jù)進行特征標注，清洗不符合要求的圖片數(shù)據(jù)，得到每張家具樣本的識別特征并建立相應的數(shù)據(jù)集，為后續(xù)擴散模型的條件輸入與訓練提供數(shù)據(jù)集支撐。

3 中式家具的智能設計生成

智能設計在國內學界已經得到廣泛運用。李雄等[12]采用生成對抗網絡（Generative Ad-versarial Networks，GANs）和神經遷移進行手繪草圖的渲染。裴卉寧等[13]運用GANs的變體——深度卷積生成對抗網絡（ DCGAN）快速生成汽車造型設計。程鵬飛等[14]采用基于卷積神經網絡的風格遷移技術完成泳衣的圖案設計。然而，目前國內對智能設計的生成算法大多都采用GANs，對于運用擴散模型進行智能設計相關研究較少。GANs的訓練往往需要大量的調試和超參數(shù)優(yōu)化，而且容易遭遇模式崩潰等問題。相比之下，潛在擴散模型（Latent Diffusion Model，LDM）的訓練過程更加簡單和直觀，并且能控制圖像生成過程，使得生成的圖像更加符合用戶的需求[15]。然而，LDM在圖像生成中也存在一些缺陷。例如，對圖像細節(jié)、結構特征以及樣式的把控不足等問題[16]。相比而言，CNN在圖像處理和特征提取方面具有良好的性能，可以加強擴散算法在細節(jié)特征與圖形樣式方面的把控力。文化產品的智能設計開發(fā)需要注重其文化細節(jié)特征的呈現(xiàn)、保留與融合。因此，本文創(chuàng)新性地提出基于CNN與LDM的中式家具智能設計系統(tǒng)，不僅是在中式家具領域智能化設計的突破性嘗試，更是擴展了擴散模型的運用維度，打破了智能設計領域應用算法單一的現(xiàn)狀。

3.1 潛在擴散模型原理

2020年提出的去噪擴散模型（Denoising Diffusion Probabilistic Model，DDPM），首次將擴散模型運用于圖像處理領域[17]。2021年12月，CompVis和Runway團隊進一步提出了潛在擴散模型[18]，在潛空間中完成擴散過程，相比純擴散模型快得多，在過去三年蓬勃發(fā)展，甚至間接引發(fā)了AI繪畫的技術浪潮。LDM的整體流程如圖3所示。

圖3 LDM整體流程Fig.3 LDM process

首先利用編碼器E將輸入圖像x壓縮為低維潛在數(shù)據(jù)z。前向擴散過程會逐步向z中加入高斯噪音，一共有T步，即z0,z1,z2…zt-1,zt…zT，最終則輸出噪音圖像數(shù)據(jù)zT。前向過程q(zt|zt-1)指的是通過向低維潛在數(shù)據(jù)zt-1中添加高斯噪音得到zt，它是一個從t=1到t=T的馬爾科夫鏈，分布公式為：

式中：z為一個從真實數(shù)據(jù)分布中抽出的數(shù)據(jù)q(z)[即z0～q(z)]；βt（0≤βt≤1）為差異時間表（Variance Schedule），是一個隨時間變化的變量。

在此過程中，需要保證T足夠大和βt的設定合理。定義和αt=1-βt，再通過重參數(shù)技術，才能最后得到服從分布q(zt|z0)的任意一個樣本zt。

接著輸入需要條件，比如語義或者特征向量。本研究在此處對接了CNN特征識別模型輸出的中式家具特征向量，作為條件輸入。經語言模型τθ將它們轉換為嵌入向量即低維表征形式，一般采用BERT文本編碼器進行轉化，并與zT進行擬合，再通過交叉注意力（Q,K,V）映射到U-Net網絡層。U-Net作為擴散模型的主干網絡，可以對噪音進行預測，從而實現(xiàn)反向去噪過程，即從高斯噪音中采樣并繪制圖像。由于反向去噪過程未知，因此運用U-Net神經網絡對降噪過程p(zt-1|zt)進行學習。θ是神經網絡的參數(shù)，該神經網絡的目標是利用zt去學習zt-1的概率分布。去噪過程公式表示為：

式中：pθ(zt-1|zt)是一個需要計算均值μθ和方差Σθ的高斯分布，p(zt)=N（zT;0,I）是隨機采樣的高斯噪音。

正向添噪與反向去噪的過程反復進行，最終得到一個新的潛在數(shù)據(jù)z，再通過解碼器D，將其解碼回圖像，完成新圖像的生成。傳統(tǒng)GAN包括生成器和判別器，生成器用于生成畫作，判別器將判斷該圖像是否合格。兩者不斷競爭學習，迭代生成，最終輸出合格的畫作[19]。而LDM只需要生成器，通過正向擴散與反向去噪迭代運算完成后，重建一個以相同分布為先驗的全新樣本，進而解碼輸出圖像。擴散模型的算法更加簡單高效，在智能設計與方案生成方面具有很大的潛力與研究價值。

3.2 基于CNN和LDM的中式家具智能設計模型

搭建基于CNN和LDM的中式家具智能設計模型，首先要建立VAE變分自編碼器，將CNN輸出特征向量和原始圖片數(shù)據(jù)轉化為低維潛在向量。然后，將這些低維潛在向量輸入到所建立的LDM模型并完成模型訓練。最終輸出方案，并對生成模型進行評估，具體步驟如下：

1）搭建變分自編碼器（VAE），完成中式家具特征向量的輸入，作為LDM模型的初始狀態(tài)。在第二節(jié)中，筆者用CNN構建了中式家具特征識別模型，要將其輸出結果對接至潛在擴散模型。首先，需要通過VAE把高維特征向量與調用的圖像數(shù)據(jù)降維成低維潛在向量。VAE包括編碼器E與解碼器D，編碼器將輸入內容轉化為低維表示形式，使得擴散過程是在該低維表征中進行，擴散過程完成后，再通過解碼器將其解碼編譯成圖片，完成最后的圖像輸出。Python搭建VAE主要代碼見表3。

表3 VAE搭建代碼Tab.3 VAE building code

2）建立并訓練LDM模型。在Python中借助開源機器學習庫PyTorch載入預訓練的潛在擴散模型，定義一個包含多個擴散步驟的模型，每個擴散步驟包含一個可逆塊和一個通道注意力機制。這里定義1 000個擴散步驟，每次生成4個圖像。在潛在空間中，使用擴散模型來生成新的中式家具設計。在每個迭代步驟中，模型會從之前的圖像中提取特征，然后在潛在空間中執(zhí)行一個擴散過程，生成新的潛在向量。最終通過VAE逆向映射到圖像空間中，生成新的中式家具設計方案。潛在擴散模型的目標是在潛在空間中生成新的樣本，使得這些樣本盡可能地接近于訓練數(shù)據(jù)的分布，越接近于原始數(shù)據(jù)分布，說明得到的數(shù)據(jù)越像真實數(shù)據(jù)，具體的損失函數(shù)：

式中:εt為添加的高斯噪音；εθ(zt,t)是一個神經網絡，用于預測從z0到zt時刻添加的噪聲。

訓練過程不需要對所有時間片進行訓練，可以直接采樣t時刻，然后得到xt并用神經網絡預測添加的噪音即可。訓練過程見表4 中的Algorithm 1。樣本生成過程是個反向去噪的過程，也就是zt到zt-1的過程。利用前一步訓練得到的εθ(zt,t)，循環(huán)T步逐步去噪，即可從噪音中恢復一個像真實數(shù)據(jù)分布的新數(shù)據(jù)z0，樣本生成過程見表4的Algorithm 2。

表4 訓練和樣本生成的偽代碼Tab.4 Pseudocode for training and sample generation

完成樣本生成，以中式椅子樣本輸出為例，圖4分別采樣不同迭代次數(shù)下LDM生成網絡的4份輸出圖像數(shù)據(jù)，從左到右依此為擴散次數(shù)250次，500次，750次，1 000次?？梢钥闯?，生成的圖片隨著擴散次數(shù)的增加越來越清晰，表明擴散過程在不斷擬合輸入的特征識別條件，并越來越接近真實圖像分布（圖4）。

圖4 不同迭代次數(shù)下LDM輸出圖像Fig.4 LDM output image with different number of iterations

3）生成模型評估。采用Frechet Inception Distance（FID）定量評估和專家主觀評估對生成圖像進行評估決策，以檢驗LDM模型的生成質量。FID是一種用于評估生成模型和真實數(shù)據(jù)分布之間差異的指標，主要用于評估圖像生成任務中生成圖像的質量[20]。FID計算生成樣本和真實樣本在Inception v3模型中的激活特征之間的Fréchet距離，即生成樣本和真實樣本在特征空間中的差異程度，公式表示為：

式中：μ1和μ2分別表示真實圖像和生成圖像在Inception模型中的特征向量均值；Σ1和Σ2分別表示真實數(shù)據(jù)分布和生成模型的協(xié)方差矩陣；Tr表示矩陣的跡操作。

通過計算兩個分布的均值和協(xié)方差，最終得到FID值，F(xiàn)ID越小，則圖像質量越高，圖像分布越接近真實數(shù)據(jù)，如表5所示。當FID值在0～15之間時，通常被認為是非常優(yōu)秀的結果，表示生成圖像與真實圖像非常接近；特別當FID值為0時，也就代表生成圖像與真實圖像一模一樣。FID值的大小標準與模型實際應用場景相關，當生成模型是為了進行圖片去噪、高分辨率圖像合成時，則FID值越接近0，效果越好[21]。但由于本研究的目的是為了輔助中式椅子創(chuàng)新設計工作，生成圖像需要與原始圖像有所不同，才有創(chuàng)新設計價值，因此FID值在15～30之間最佳。此時生成圖像與真實圖像有所差異與變動，并且圖像質量水平與細節(jié)特征的完整度已達到設計要求。在訓練智能設計模型時，迭代步數(shù)是指進行參數(shù)估計和主題更新的迭代次數(shù)[22]。通過多次實驗發(fā)現(xiàn)，當?shù)綌?shù)超過250次時，學習曲線的代價值與訓練錯誤值[23]大幅增加，模型容易出現(xiàn)過度擬合訓練數(shù)據(jù)的情況。本研究把迭代步數(shù)設置為200次，此時模型輸出的圖像質量和FID值基本滿足設計需求，與真實圖像的差異合適。專家主觀評估[24]采取打分方式，邀請5位行業(yè)專家對生成方案的美觀性、特征細節(jié)、圖像完整性進行評分，并根據(jù)標準權重計算得出方案滿意度，滿意度越高則代表生成效果越好。

表5 FID值變化結果Tab.5 Change in FID value

為了進一步驗證本文提出的基于CNN和LDM的中式家具智能設計的可行性，將其與GAN生成模型、VAE生成模型[25-27]、圖文預訓練CLIP生成模型[28-30]進行對比分析，結果如表6所示。由數(shù)據(jù)可知，本文提出的基于CNN和LDM的設計模型FID值最終為21.76，方案滿意度為81.6%，優(yōu)于其他生成模型。該創(chuàng)新性的智能設計模型得益于在設計生成階段融合了CNN所提取的特征向量，使得生成的椅子圖片所具有的中式家具特征細節(jié)更為完善美觀，智能設計效果更加成熟可靠，在文化產品的智能設計上表現(xiàn)出極大的可行性與優(yōu)勢。

表6 對比結果Tab.6 Comparison results

4 結語

本文提出了一種運用CNN和LDM特性的智能設計模型，以中式椅子為例，通過CNN對椅子圖像的學習，提取中式家具形狀和色彩紋理特征，再將其所提取的特征向量輸入到LDM中，進而快速生成兼具傳統(tǒng)韻味和現(xiàn)代審美的中式家具創(chuàng)新設計方案。

通過對智能設計模型進行評估，與GAN、VAE、CLIP模型進行FID值和方案滿意度對比發(fā)現(xiàn)，該智能設計模型能夠有效實現(xiàn)中式家具的創(chuàng)新設計，最大化發(fā)揮了人工智能在圖像處理與內容生成方面的優(yōu)勢，解決了文化產品的智能設計極易缺乏文化價值和傳統(tǒng)特征的問題。

針對后續(xù)研究，將繼續(xù)完善文化產品智能設計系統(tǒng)，建立人工智能輔助文化產品開發(fā)的科學體系，并進一步延伸至其他傳統(tǒng)文化產品的創(chuàng)造性轉化，為計算機技術與人文學科融合發(fā)展提供參考。