AIGC视域下的传统纹样创新设计研究——以宋代生色花为例

宋代生色花纹样是中国传统纹样的重要代表,是现代图案设计创新的重要来源,但在现代设计语境下宋代生色花纹样的创新仍存在明显问题,AIGC技术的发展为传统纹样设计创新提供了新的可能,希望根据当下的AIGC工具构建完整的传统纹样创新设计工作流程。通过建立基于Stable Diffusion的高效生成框架,建构技术实施的具体步骤,从原始图案的数字化处理到风格迁移的应用,再到最终实体产品的生成,每个环节都遵循既定的工作流,确保最终产品既保留了传统纹样的经典美感,又符合现代消费者的审美需求。展示宋代生色花审美形式在现代纹样设计中应用的全新可能,不仅为宋代生色花纹样的现代化转换提供了切实可行的技术方案和设计思路,而且对其他传统纹样的创新设计也提供了策略指导和技术支持。

八达晕纹样结构参数化解构与再生设计

为提升传统纹样创新设计效率,提出了一种参数化解构和再生设计方法。以八达晕纹样为例,在解读其艺术价值和形态结构的基础上,将其划分为填充、装饰、骨架3类元素,分别拆解为基本图元;各图元参数量化后,构建形态拟合公式,利用Rhino软件建立基础纹样模型;此基础上,通过调整不同参数,生成不同形制的纹样。并进一步,对生成纹样内部区域进行自动赋色。结果表明,基于八达晕纹样的参数化图案设计模型可衍化出不同风格效果的近似纹样,拓展纹样生成的丰富性;相较于传统设计方法,该方法实现由线稿、结构、赋色的一体化设计,为当代服饰纹样再生方法提供参考。

民族服饰意象色彩智能迁移设计研究

文章以5个典型民族服饰为实证研究对象,利用图像分析技术,自适应提取序列场景意象色彩,融合多维特征构建色彩网络关系模型;结合待配色对象形态特征,以和谐论为指导,实现基于意象色彩的纹样自动配色。试验部分在解析民族服饰设色形态的基础上,以色序、同类、对比及综合配色法则,自动生成了多类型纹样的风格迁移赋色。该方法的实施提升了设计决策效能,为当代时尚创意与智慧设计提供了参考解决方案。

宋代李嵩《花篮图》视觉符号在丝巾设计中的转译应用

《花篮图》作为宋代院体画的一种特殊题材,不仅展现了宋代插花艺术的繁荣和兴盛,也反映了文人士大夫在花艺中的审美追求。文章从符号学的视角对宋代李嵩四季《花篮图》进行视觉元素的提取与分析,挖掘宋代花卉文化背后的符号意义,把握其造型特征和文化内涵,通过物质层“形”及精神层“意”的转译手法,进行在丝巾中的设计转译应用。本次设计转译在传承传统花卉文化的基础上,融入现代审美需求,使花卉审美文化更好地融入现代生活,实现宋韵文化的创造性转化和创新性发展。

畲族服饰数字化元数据构建

为了确保数字化资源的共享性和实用性,同时尊重并展现服饰本身的文化特色,遵循国际规范性原则和平衡兼顾的原则,以CDWA (艺术、工艺和文化藏品描述工作组)的标准为主要参照,在民族服饰数字化建设中发挥着重要作用。这个模型不仅涵盖了服饰文化遗产的主要方面,还创新性地复用了相关类目的属性,这样的设计既保证信息的完整性,又提高了数据的互操作性和可扩展性,为后续的研究和应用奠定了坚实的基础。

基于蝴蝶呈色规则的纺织品图案再生设计

蝶翼色彩娇艳华美、醒目多变,是纺织品图案仿生设计的重要灵感来源。为具象化表述不同类别蝴蝶的呈色特点,解析其色彩组合规则,以图谱方式描绘色彩构成,并应用到当代纺织品设计当中,选取5类不同呈色风格的蝴蝶图像,利用颜色聚类算法提取出颜色占比、颜色距离、节点共现率等关键指标,构建蝴蝶呈色关系图谱,以可视化的方式呈现不同类别蝴蝶的配色形式。实证分析与再生设计部分分别对5类典型蝴蝶,共计100幅样本图像颜色进行提取和分析,依据其呈色规则,复用至线稿纹样当中,形成近似蝴蝶呈色风格的纺织品图案,并在服装、家纺等产品中进行映射和虚拟展示。该方法能够对生物呈色进行量化,为时尚产品意象色彩的提取和应用提供了参考方案。

基于工艺相似性的衬衣部件模块族构建

为建立服装生产标准工时预测模型,实现混合款式的模块化生产编排优化,提出了基于衬衣部件工艺相似性的生产工艺模块族构建方法。以550款典型衬衫款式为例,根据服装结构及裁片种类,整理各部件造型及加工种类差异,建立相关数据集。从生产角度将衬衣部件生产工艺划分为42个模块并进行编码,结合31种工艺类型构建“模块-工艺”结构矩阵,通过基于等价关系的模糊聚类及F-统计量,最终确定11类衬衣模块族。聚类结果经过验证基本符合实际生产情况,且同一模块族工序加工工艺基本类似。该研究理论可推广到成本核算、工资发放、质量评估等方面,可为服装生产编排、工期预测等提供一定的参考。

基于机器视觉的曲面枕个性化定制方法

为有效扩展曲面枕个体适应性,满足大规模个性化定制需求,提出了基于机器视觉的曲面枕个性化定制方法。采用MINet显著性目标检测实现人像的自动分割与轮廓提取。在此基础上,对人像中的4个关键参考点、32个特征点进行提取,实现轮廓曲线的快速拟合与尺寸测量,以此方式构建头部样本数据集。通过数据聚类,将65个样本划分成12类,使用三维建模软件绘制出适合个体头、颈、肩部尺寸需求,满足仰、侧睡姿需求的曲面枕。实验得到12种曲面枕关键尺寸参数,包括侧卧区域高度、仰卧贴合区域曲线峰值和谷值。该方法进一步扩展了曲面枕形态适应性,为曲面枕定制提供分类方法参考。

基于GPQ半监督神经网络的织物图像检索

为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明:改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。

复杂背景图像中人体轮廓的自动提取

为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法。拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集。利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓。分别对比了基于迁移学习的策略与原模型、U2Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果。结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似。该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法。