基于DreamBooth的傣锦图案人工智能生成模型

为推动传统文化引领下的现代纺织图案设计发展,提出了一种利用人工智能生成民族纺织图案的模型。以傣族织锦图案为例,对傣族织锦实物图案进行矢量化处理,为每张图片编写对应文本标签,并以此为训练集;选取适用于傣锦的预训练模型,使用DreamBooth方法微调现有的文本-图像模型。对模型训练效果进行分析,得出V1模型是一个具有良好拟合度和图像生成效果的文本-图像生成模型。

BP神经网络优化Stearns-Noechel模型的羊毛色纺纱配色

为了提升羊毛色纺纱配色的精确度,通过数理统计方法研究颜色特征中的色相、明度、饱和度与Stearns-Noechel模型参数M值之间的关系,采用BP神经网络对Stearns-Noechel模型参数M值进行优化,并与传统的最优平均M值和波长优化M值等方法进行对比。结果表明:采用BP神经网络优化Stearns-Noechel模型的配色方法比其他2种传统优化方法在颜色预测精确度上都有提高。在99个羊毛混色纱试验样本中,BP神经网络优化方法得到的平均色差最小,为1.1773,其中色差小于1的样本占54%,结合颜色特征采用BP神经网络优化的Stearns-Noechel模型参数具有较好的效果,对羊毛色纺纱的颜色预测精确度有较大的提高。