人工智能服装设计的哲学事理审度

聚智新科技范式、赋能新设计哲学。人工智能应用于艺术设计的技术浪潮引发重“术”轻“学”的现象,需要“技”“道”并行去审度人工智能设计研究应该从哪些论域展开,探其“事”究其“理”。以服装设计为论域媒介,融合哲学、经济、科学与艺术的跨学科研究方法,提出从论域本体及外延认识定位、技术方法定位的哲学高度去求解人工智能服装设计的深度依据。从“事理”内部打开认知人工智能服装设计的哲学规范性研究进路,提出人工智能服装设计研究的本体界定和认识进路。从哲学思考的相关维度解答了人工智能服装设计“是什么、如何是”的问题,提出建构人工智能设计的学理体系进路。为设计师和数据工程师合作开展人机融合设计提供方法论依据,从技术视角解答了人工智能服装设计“怎么是”的哲学问题和技术方法系统进路。

户外骑行服的智能化设计研究现状与发展趋势

户外骑行运动的兴起带动了骑行服的发展,传统骑行服的功能性过于单一,通过智能穿戴技术可使户外骑行服具备预警、运动监测、情境感知和智能防护等功能。基于文献研究和产品分析骑行服面料、款式和颜色设计要点,阐述户外骑行服的智能化设计研究现状,提出户外骑行服智能化设计未来在新型服装面料、电子元件与服装的组合方式发展的趋势。

基于CycleGAN的服装图像混搭风格迁移

为解决复杂背景下服装图像的风格迁移形式单一和局部细节失真问题,提出一种基于CycleGAN的服装图像混搭风格迁移的方法,用于实现服装款式和图案的多风格迁移。通过加入分割掩码,一方面,对特定区域的风格化形成空间约束,在判别器中加入谱归一化和引入背景优化损失保留了局部细节的真实度,实现服装风格款式的风格迁移;另一方面,提出图像融合的方式,将图案融入判别器输出的服装图像中,实现多风格迁移。最后,通过与CycleGAN和InstaGAN比较,依据生成图像的效果进行主观分析,使用图像质量评估指标IS和SSIM进行客观评估以验证该方法的有效性。

面向新文科的Python课程项目式学习教学研究

探讨智能时代“新文科”建设教育背景下人才的先进计算素养培养需求,基于项目式学习的教学理念,提出Python程序设计课程的“九步三逐”项目式学习教学模式,从培养学生的计算思维与计算能力、数据思维与数据能力和系统思维与应用能力3个主要方面建立课程教学目标,以适应新一代信息技术产业技术发展对人才的迫切需求。以大连工业大学经管文科类专业开设的Python语言与数据处理课程为改革主体,通过课程路径建设、教学实施迭代和形成性考核方案修订等教育教学环节的实践,形成面向新文科的Python课程项目式学习的实操性强、可推广的教学方案,以适应新时代人才培养的需求。

新文科视阈下服装设计专业课程成绩评价模式改革探究

文章以服饰设计专业为研究载体,将多学科交融范式、多领域评价主体及评价方法相融合,从能力导向教育理念与课程成绩考核技术层次两方面探索符合学科发展、人文科技趋势的课程课业考核机制。提出以课程成绩评价体系建设为主,以知识获取的学习过程及能力形成性考核为辅的改革思路。

基于改进Mask R-CNN的服装图像细粒度实例分割

服装图像实例分割是人工智能辅助服装设计中的关键环节,为实现对服装图像中细粒度属性的识别与定位,提出了基于深度学习的细粒度分割方法。该方法在原始Mask R-CNN的基础上,改进ResNet残差网络的结构,并在主干层网络中引入双向特征融合模块和双重注意力机制,从而提高模型的特征提取能力,在缩短信息路径的同时帮助网络模型关注更重要的区域。将该分割网络在iMaterialist Fashion数据集上进行验证与评价,结果表明该分割网络较原模型相比分割精度提高了约2.7%,该方法能够更加精准地进行细粒度实例分割,可为人工智能辅助服装设计的视觉系统研究提供新的思路。

基于卷积神经网络的风格迁移泳装图案设计

将深度学习中的风格迁移技术运用到服装图案设计领域正逐渐成为热门话题,但传统风格迁移图案设计的方法存在风格单一、纹理简单的缺点。本文提出一种辅助泳装设计师进行图案设计的方法,通过优化风格迁移中格拉姆矩阵结构,分别学习提取多张绘画作品和照片作为风格图生成创新的泳装图案设计图,同时运用Canny边缘检测算法和OpenCV图像处理库将作品从复杂背景中识别并分割出来,最终实现多风格图像输入的风格迁移辅助泳装图案设计方法。经过对比实验证明,本文生成的图案比其他风格迁移方法在风格满意度等方面获得更高评价。

基于生成对抗网络的女上装图像属性编辑

为解决当前服装图像属性编辑模型生成图像存在属性缺失或冗余的问题,提出一种基于Fashion-AttGAN的优化模型对女上装图像细节进行变换的设计方法;通过优化特征提取网络,将结构相似性损失项加入重构损失,提高生成器的属性编辑能力;使用CP-VTON数据集训练,对女上装图像中袖长和颜色的细节进行调整。结果表明,生成图像在袖型连贯性和颜色准确性方面得到提升,改进模型收敛趋势更平稳,重构图像的结构相似性指标提升了27.4%,峰值信噪比提高了2.8%。该优化模型有效减少了生成图像的属性冗余和残缺,为服装图像细节变换研究提供参考。

基于眼脑数据和问卷分析的泳装图像情感因子空间构建

人工智能服装设计中较为重要的步骤是将服装情感设计语言转换为计算机标注语言,而当前研究领域主要是单纯依靠问卷调查结果,这导致标注结果过于主观。针对这一问题,文章以泳装为例,通过发放调查问卷收集主观感性数据,利用眼动仪、脑电系统收集客观生理信号与主观数据进行对比分析,同时验证主观数据的可靠性;对调查问卷数据进行主成分分析和因子分析,最终建立泳装图像情感因子空间。情感因子空间的构建可降低计算机提取服装情感信息特征的难度,有利于实现对泳装图像的识别、分类、检索等后续工作。