傳統服飾紋樣生成設計研究

張帆，蘇藝，崔強，王濤

【院士專欄：中華文化數字化創新設計研究新范式】

傳統服飾紋樣生成設計研究

張帆1，蘇藝1，崔強2，王濤1

（1.北京服裝學院，北京 100029；2.清華大學，北京 100091）

服飾是我國文化創新的主要領域，也是展示文化的主要途徑。通過二維服飾傳統紋樣向三維實體首飾及穿戴產品的轉化生成，突破以往服飾紋樣在平面維度生成、衍生的局限性?；谶吘墮z測等圖像學技術結合人工描摹，實現二維傳統服飾紋樣圖像的抽象化提??；運用人工神經網絡的機器學習算法與圖形學算法，訓練一個傳統紋樣輪廓線的自動生形模型，生成三維首飾形態，并由服飾紋樣二維圖像生成三維參數化肌理。以傳統服飾吉祥紋樣為例，形成紋樣素材庫，在此基礎上，實現平面紋樣提取、三維形體轉化、三維肌理轉化、肌理向形體映射的生成設計路徑，通過應用軟件系統的設計實踐驗證其可行性。建立傳統服飾文化元素的現代服飾產品形態轉化及個性化定制路徑，解決傳統文化與現代消費、現代產業之間的割裂問題，從現代增材制造工藝、材料、理念等方面促進服飾產業的結構優化與轉變，為其注入新的力量，對民族服飾文化的保護和傳承具有重要的價值和意義。

生成設計；傳統服飾紋樣；神經網絡；參數化設計；Grasshopper

服飾紋樣記錄并傳承了不同民族、地區的歷史變化、生活習俗、工藝特點和人文風貌，凝結了中華傳統文化的精髓。傳統服飾紋樣的傳承與創新設計被廣泛關注，特別是在人工智能技術顛覆生產方式的大背景下，傳統服飾紋樣和工藝等非物質文化遺產的保護，呈現出數字化和智能化的特點。從學術和產業角度來看，服飾紋樣的計算機輔助設計研究主要集中在識別分析與生成設計等方面[1]。其中，生成設計是一種設計者通過自定義約束參數條件，由計算機程序自動進行設計生成和計算設計的方法，能夠輔助設計師完成一些顛覆常規建模思路的復雜造型，增強設計師的創造力與表現力[2]。目前，大多數研究和設計師對傳統服飾紋樣進行了二次生成設計，主要包含利用分型技術對傳統服飾紋樣進行計算機模擬生成，通過形狀文法和其他分析手段對傳統服飾紋樣進行衍生設計，對其相應的生成界面交互進行設計研究等。但主要存在于平面范圍內的演化、變異，少有能突破平面的限定，實現二維到三維的生成設計。

本研究聚焦計算機輔助技術對民族文化產品的創新設計路徑研究，目的是提高民族文化產品在研究、設計、轉化等方面的效率和效度，實現民族文化創意產品“智能+”，試探性地提出紋樣在二維空間生成方面的方法和思路，從而進行二維向三維轉化的研究，建立傳統紋樣與現代服飾產品設計、制造相融合的路徑，包括基于圖像學技術的紋樣提取及要素數據庫建設；基于人工智能算法的二維紋樣轉三維形態及肌理的生成技術及方法研究，并進行以吉祥紋樣為例的生成設計應用。本研究期望通過建構先進技術與傳統服飾文化之間的聯系，彌合文化要素和產品創新要素的分歧，實現現代服飾產品的民族文化價值和審美價值。

1 傳統服飾圖案生成設計研究現狀

傳統服飾紋樣屬于中國傳統紋樣體系，在傳統的器物和建筑上也會運用這些紋樣進行裝飾。紋樣本身是具有共通性的，只不過在不同的應用場景中會進行變化和衍生。比如清代瓷器的番蓮紋也會同樣出現在清代的織錦作品中。明代家具的裝飾云紋也會出現在服飾紋樣中[3]。一些經典的紋樣甚至可以跨越各種歷史朝代一直保留和延續下來。這些精美的中國傳統服飾紋樣的史料非常豐富，通過文物、書畫作品等方式被保留下來。這些珍貴的歷史素材為服飾紋樣的生成設計提供了大量的素材庫。由中國美術大辭典的記載可知，在服飾紋樣中較多的表現形式為：幾何紋樣、動物紋樣和植物紋樣。這些紋樣都存在著抽象、規范和寫實等不同的表現方式。如傳統服飾吉祥紋樣中的幾何紋樣：古錢套、龜背紋、水竹紋、盤長紋、回紋、吉星錦等，自然形態紋樣：慈祥云、石榴紋、水波紋、繡球、魚鱗紋等[4]，部分示例見表1。傳統紋樣造型和構圖同樣蘊含著有序的形式規則、嚴密的數理特征，符合現代參數化設計理念，具備紋樣通過數理方法進行變形、衍生的條件。

表1 服飾傳統吉祥紋樣

Tab.1 Traditional costume auspicious patterns

傳統服飾紋樣的創新設計方式呈現多元化趨勢，尤其是圍繞知識圖譜、虛擬展示的研究層出不窮。在紋樣因子提取與知識圖譜研究等方面，宋小薇等[5]運用形狀文法進行了服飾文化因子的提取，根據文化因子的特性構建了完整的圖譜，通過感性工學實驗判定了用戶感知較強的設計元素，并將這些設計元素進行了現代文創產品設計的應用；韓海燕等[6]構建了服飾文化知識圖譜并通過知識可視化所包含的知識層、結構層、視覺層和用戶層要素展開可視化設計；除此以外，數字化平臺數據庫及展示也受到廣泛關注，例如黃清穗通過數字化手段，把傳統服飾和織繡品中的圖案轉化成矢量圖，并進行分類整理上傳到云端，做成了線上博物館，為其他研究學者和設計師提供了很好的參考。

隨著計算機圖形圖像學技術、深度學習技術的發展，服飾圖案（紋樣）的人工智能設計取得了諸多進展，主要包括智能分類與智能生成。在智能分類方面，孔謙等[7]大量收集瑤族服飾、織錦紋樣并制作成數據集，基于Faster R-CNN和CNN算法對紋樣進行定位和細化分類，并應用于新媒體傳播領域，解決人工進行傳統紋樣分類時煩瑣和耗時的痛點。服飾智能生成主要聚焦在要素構圖、風格生成等方面上。池寧駿等[8]通過現代函數曲線規則和曲線控制點的坐標參數進行傳統紋樣規則的重構，完成了空間排列和參數變化調整的演變，對傳統紋樣進行了結構衍生設計；蔡興泉等[9]提出基于神經網絡的手繪服飾圖紋上色及風格遷移方法，生成對抗網絡模型以實現線稿圖像上色，構建卷積神經網絡模型并結合Gram矩陣計算風格圖的風格特征，輸出服飾遷移圖像?；谝陨蠈τ嬎銠C輔助技術在服飾紋樣設計中的應用研究可見，傳統服飾紋樣的智能設計主要集中在平面范疇。

2 三維生成技術研究

生成式設計（Generative Design）是基于計算機程序的科學性藝術創作手段，旨在將設計師的設計目標轉化為計算機上可執行的具有基因性質的編碼，形成數學模型，在基因編碼不斷演化的過程中求解并優化，最終生成設計解決方案[10]。其特征為：建立在數字化制造條件下、基于協議與規則、創建新的設計過程，以及用戶深度參與產品生成過程。一些學者將參數化設計、遺傳算法、形狀語法、L系統、分形、Voronoi圖等方法納入生成式設計的范疇[11-13]。從二維轉向三維的生成研究主要圍繞生成技術和生成機制展開。

圖像的輪廓提取、元素的變形及組合作為二維圖像生成三維圖形的預處理手段，能使傳統紋樣的圖像轉化為可被識別的素材。圖像中的邊緣是不同區域的分界線，是周圍（局部）灰度值有顯著變化的像素點的集合，有幅值與方向兩個屬性。在圖像處理與計算機視覺設計中，邊緣檢測法是非常重要的圖像分析方法。Sun等[14]研究了傳統剪紙圖案輪廓提取與矢量化算法，在輪廓提取時，算法采用灰度、二進制、邊緣檢測方法，在矢量化方面，提取圖形輪廓的控制點和分段曲線；Zhou等[15]基于OpenCV、GrabCut算法、c++編程，對海南黎錦圖案進行了分割、去噪、平滑處理及基因生成研究。一些學者在傳統紋樣輪廓提取的基礎上，進行了生成衍生設計，如Wei等[16]建立了ASP.NET陶瓷圖案設計系統，包括圖形元素數據庫，以及基于圖形旋轉角度、大小、位置等生成規則的智能生成設計模式，并通過分形理論研究了陶瓷生成體系特點，以應用于產品設計中。

主流的三維生成設計方法主要分為CAD參數化生成、人工智能數據驅動生成、進化計算生成等[10,17-18]。部分學者從構成、版型等方面進行了CAD參數化技術應用于服飾生成的探索。殷曉晨等[19]基于構型原理，建立了連綴式四方連續紋樣的參數化設計數學函數模型，采用Grasshopper圖形學算法構建了紋樣肌理韻律的設計系統；王迪等利用Grasshopper插件，使二維圖形轉換為Voronoi圖形，并改變生成點集，基于Morph to Surface程序，將Voronoi圖形映射到三維服裝模型上，建立了適應人體模型曲率的服裝形態；Alejandra等[20]基于遺傳算法的進化計算、Grasshopper的CAD系統、進化計算與Grasshopper的結合三種生成方法，進行了消費品定制化生成設計。人工智能方法已逐漸應用于設計生成領域，尤其是神經網絡機器學習算法。機器學習作為一種決策工具，將控制因素和輸出結果作為訓練數據，計算輸入和輸出之間的映射關系，表現為多個神經元和一個神經網絡構成的輸入、輸出之間的關系計算。主要應用在建筑、產品設計3D特征分類、生成三維模型的算法等方面，包括卷積神經網絡（CNN）、生成對抗網絡（GAN）、人工神經網絡（ANN）。這些系統相較于以往的研究，具有更強的通用性。如高峰等[21]通過機器學習，構建了座椅訓練數據集，進行了人工智能輔助的座椅形態生成設計實踐。

3 服飾紋樣生成設計思路

計算機科學家安東·博格達諾維奇曾針對文化保護提出“3I模型”：沉浸式（Immersive）、智能化（Intelligent）和交互式（Interactive）。為實現傳統服飾文化“智能+”的現代產品設計開發，解決傳統服飾紋樣生成流程設計、生成技術研究、生成界面交互等方面的問題，基于二維圖像轉化為三維形態的目標導向，參照“3I模型”，將服飾紋樣的設計生成路徑分為三個層面，見圖1。

3.1 服飾紋樣特征分析及輸入層面

服飾紋樣的原始圖像為二維彩色圖稿，要想運用生成技術將其轉化為三維，首先要轉化為計算機可識別的圖像格式：一方面，使用Photoshop工具進行預處理，裁剪出原始圖像中的有效區域；另一方面，利用計算機圖像學算法進行圖像的灰度處理、二值化處理、邊緣檢測，最終形成可用于生成的黑白色圖像，具有清晰、單一、均衡等特征。

3.2 二維圖案向三維立體轉化層面

1）基于機器學習模型訓練的二維圖像生成三維形態的路徑及方法。將簡化處理為輪廓線的傳統紋樣圖像構建為數據集；將紋樣原始數據輸入神經網絡模型進行訓練，調整神經網絡的構建參數（隱藏層數、輸入訓練數據集、輸出訓練數據集、輸入輪廓），得到多樣化的生成結果；基于訓練的機器學習模型，用戶輸入形態，輸出紋樣風格形態，并以此為截面用放樣的方法自動創建立體首飾形態，實現不同風格首飾形態的生成。

圖1 傳統服飾紋樣三維生成設計框架

2）基于參數化的二維圖像生成三維肌理的路徑及方法。在傳統服飾紋樣圖像經過算法自動抽象提取后，利用Grasshopper插件的特點，對圖像進行像素信息提取并轉化為數字信息，構建帶有高度變化的點陣并構建曲面模型，根據離散點集構建具有仿生細胞結構的泰森多邊形，形成立體的肌理；進一步使用Grasshopper中的FlowAlongSurface將肌理映射到神經網絡生成的三維首飾模型上。

3.3 交互系統應用及用戶創作界面

設計師或用戶與生成的三維首飾進行交互時，可以選取紋樣主題、紋樣素材以及三維的立體服飾模型，自動生成具有傳統紋樣特征的參數化三維服飾，對實體首飾模型進行厚度、尺寸、曲度等方面的參數調節，并導出模型進行金屬、樹脂、尼龍等材料的3D打印。交互系統還可以得到擴充、延展，一方面不斷擴充傳圖服飾紋樣素材圖，對應朝代、風格、題材等主題；不斷擴充三維模型的類別、樣式，滿足用戶千人千面的定制需求，最終應用于更多的產品領域中。

4 以吉祥紋樣為例的三維形態生成

4.1 圖案抽象提取

建立用于三維轉化的傳統服飾紋樣素材圖庫，將二維圖像存入素材庫，并進行圖像處理。由于原始服飾紋樣的圖像是彩色的，可以快速計算出像素的灰度值，將彩色圖像轉灰度圖，然后通過最大類平方誤差法-Otsu算法確定閾值得到二值化圖像，再使用Sobel邊緣檢測算法提取輪廓線，結合人工優化，對圖案進行預處理，見表2。

表2 傳統服飾紋樣圖像抽象提取示例

Tab.2 Example of traditional costume pattern image simplification and extraction

4.1.1 彩色圖像的灰度處理

掃描的圖案通常是彩色圖像，每一個彩色圖像的像素由三種顏色分量決定，因此，一個像素點可以有256×256×256個變化色?；疑珗D像是三個分量相同的特殊彩色圖像，一個像素點的變化范圍為0～256。算法將彩色圖像轉換為灰色圖像，灰度圖像只包含亮度信息、不包含色相信息。為像素的灰度值，分別代表紅、綠、藍三種顏色?；叶绒D化公式如下：

4.1.2 圖像二值化處理

為了對圖像進行分割，使用Otsu算法(最大類平方誤差法)對灰度圖像進行閾值處理。其原理是，計算圖像的每一個像素點與一個固定值之間的灰度值差值，然后比較差值并對結果進行分類（大于0或小于0）。然后計算像素數、平均灰度和簇間方差。最后，二值化閾值由所有簇間方差中的最大灰度值表示，其中1()表示差值小于0的像素個數，2()表示差值大于0的像素個數，設值為。1()2()分別表示兩種平均灰度值，公式如下：

4.1.3 輪廓提取（邊緣檢測）

圖像邊緣檢測是一種以圖像中亮度變化強烈的像素點構成集合為檢測目標的方法。邊緣是否可以被準確地測量和定位，決定了物體的直徑、大小和形狀是否可以被測量和定位。圖像邊緣檢測主要有如下四步：第一步，圖像濾波，通過濾波器對圖像噪聲進行抑制；第二步，圖像增強，相鄰位置或局部像素點強度值有明顯變化，進行突出增強，主要通過計算梯度的幅值來實現；第三步，圖像檢測，主要靠梯度幅值來實現邊緣檢測；第四步，圖像定位，核心是確定圖像邊緣位置，可以通過算法來識別圖像灰度變化梯度。

一階微分邊緣算子Sobel，是一種將方向差分運算與局部平均相結合的方法，具有平滑抑制噪聲的優勢，以及檢測邊緣較粗的特點。該算子將圖像中某像素的上下左右像素領域灰度值進行加權差，在邊緣處達到極值，通過以()為中心的3*3鄰域計算和方向的偏導數得出卷積，公式如下：

表示圖像，表示梯度幅值，如果最終大于閾值，那么該點為邊緣點：

4.2 基于人工神經網絡的首飾形態生成

人工神經網絡（Artificial Neural Network，ANN）是借助數學和物理建模，模擬生物神經系統中的神經元組成的一種簡化計算模型，主要用于映射向量到向量的機器學習研究。輸入層代表樹突，接收外部輸入的數據特征向量；輸出層代表突觸，產出最終的預測值；隱含層介于輸入層與輸出層之間，可將輸入層的數據進行計算與轉換，并傳遞給輸出層。當輸入特征數據和輸出設計結果至神經網絡時，程序通過反饋訓練過程來優化神經網絡中的參數，根據最終確定的神經網絡，用戶可以輸入一組新的特征數據，并獲得輸出的設計結果。

基于已建成的傳統服飾紋樣圖像的輪廓線數據集，以柿蒂紋為例，使用人工神經網絡（ANN）訓練一個生成模型，生成多特征結合的首飾立體形態設計方案：

1）構建數據集。提供紋樣輪廓數據用于神經網絡模型訓練；利用Rhino-Grasshopper平臺將紋樣輪廓縮放到固定尺寸的方框中，進行紋樣尺寸標準化處理；在數據樣本量較少時，采用紋樣角度旋轉多次的方法進行數據增強；將每一組標準化的紋樣轉化為一系列控制點（本案例共20個控制點），提取所有控制點的數字坐標，使之可以被用于機器學習，見圖2。

圖2 紋樣輪廓構建數據集——以柿蒂紋為例

2）構建神經網絡。以紋樣輪廓為輸入數據，以同類型紋樣輪廓為輸出數據，構建輸入層的2個神經元，1個隱藏層包含10個神經元以及輸出層2個神經元(),()組成的神經網絡，采用神經元全連接的方式，使用sigmoid激活函數，見圖3。每個神經元用函數()得到最后的輸出，代表輪廓線控制點的坐標，公式如下：

3）三維形態生成。用戶輸入任意圖形，已訓練的生成模型自動輸出柿蒂紋樣風格形態，經過Grasshopper程序自動放樣（loft）生成三維首飾形態，生成系統包括訓練階段已訓練完成的模型參數，以及生形階段的用戶輸入和輸出結果，見圖4。生形后，在Grasshopper程序中設定放樣高度、形態壁厚，以調整、優化首飾形態，見圖5。

4.3 基于Voronoi泰森多邊形的三維肌理生成

泰森多邊形又稱Voronoi圖，由美國氣候學家A·H·Thiessen提出，是一組由連接兩個相鄰點的線段垂直平分線組成的連續多邊形，在空間剖分上具有等分特征。多邊形的構建分為Delaunay三角網格構建、三角網格外接圓心連線兩個步驟。泰森多邊形被廣泛應用于建筑、產品等的參數化形態設計中，泰森多邊形具有三角網格數學特征，可以用于服飾紋樣圖像的網格圖形構建，并生成三維肌理。

圖4 立體形態生成結果——以柿蒂紋為例

圖5 基于Grasshopper的人工神經網絡（ANN）生成算法

利用Grasshopper插件的特點，對服飾紋樣進行像素信息提取并轉化為數字信息，構建帶有高度變化的點陣并構建曲面模型，由離散點集構建具有仿生細胞結構的泰森多邊形，形成立體的肌理：將經過自動抽象提取的紋理圖片導入Grasshopper；通過Image Sampler提取圖片像素信息，將像素信息轉化為數字信息（將像素的明度轉換為值高度）；提取像素中心點，構建Points點陣，通過Transform命令將像素對應的Points點陣按像素明度映射的值高度進行移動（像素越黑，對應點的位置越高）；得到帶有軸高度變化的點陣Points，依據點陣使用Surface form Points構建Surface曲面模型；在Surface曲面模型上按各區域的值散布一定數量的離散點，值越大，區域點的數量越多；按照離散點的分布構建泰森多邊形圖案(Voronoi)，將傳統紋樣與現代設計紋理相結合，設定點的數值范圍，滑動NumberSlider產生圖案的變化。以云紋為例，肌理形成過程見圖6，Grasshopper程序見圖7。

圖6 二維圖像生成三維肌理路徑

圖7 基于Grasshopper的紋樣平面圖像生成三維肌理算法

基于ANN神經網絡建立紋樣輪廓特征的服飾產品三維形態模型庫，如項鏈、耳環、手鐲等立體形態，基于參數化算法實現三維肌理向立體形態的映射。使用Grasshopper中的FlowAlongSurface將2.5D泰森多邊形紋理流動到3D的首飾模型上，對泰森多邊形紋理進行加厚，生成可3D打印加工的三維實體首飾模型：一方面，將曲線分組進行偏移，然后放樣得到曲面，通過拉伸、旋轉、扭曲等方法將曲面生成實體造型；另一方面，將參數化三維紋樣映射到目標對象的立體形態上，形成具備參數化肌理的表皮后，導入需要附著肌理的立體表面，使用FlowAlongSurface命令，將表皮拉伸到一定厚度形成一個實體，建立它的邊界立方體（BoundingBox）；使用Transform中的FlowAlongSurface，選擇包覆物、基準面、目標表面等，見圖8。

圖8 FlowAlongSurface肌理向立體模型映射

5 傳統紋樣三維生成在首飾產品設計中的應用

根據以上設計生成路徑及技術，進行具體應用的實驗與驗證。以傳統服飾吉祥紋樣為例，開發傳統服飾紋樣的三維生成軟件。該軟件分為傳統服飾紋樣數據庫、基于圖像學算法及Grasshopper算法的生成程序、前端交互界面等部分。通過簡單的引導，用戶可以通過選擇圖案、智能生成、調節參數等步驟在交互系統上完成一款飾品的定制。

首先，用戶選擇傳統服飾紋樣主題，以柿蒂紋為例，“生成算法”將素材圖進行三維形態化處理，產出多種柿蒂紋吊墜抽象立體形態；其次，根據系統的引導，用戶選擇生成肌理的傳統服飾素材圖，以云紋為例，系統進行圖像抽象處理，進而形成三維肌理，并匹配到基于柿蒂紋生成的吊墜模型上，產生獨一無二的配飾造型；最后，用戶可以自定義數據進行設計參數調整，包括模型的尺寸、扭曲、厚度等，設計與用戶身體適配的造型。此外，用戶可以導出模型完成自己的定制作品并進行3D打印加工，見圖9。

為了使用戶能夠與傳統服飾紋樣產生有效連接，設計形成具有造型生成、個性調節、增材加工功能的一體機，包括搭載軟件系統的觸控終端設備以及3D打印系統。用戶通過界面的紋樣主題選取、紋樣圖文介紹，可以了解傳統服飾紋樣；借助軟件生成算法，快速由二維紋樣生成三維現代首飾，降低用戶的設計定制門檻；在交互過程中，沉浸式參與傳統服飾紋樣的時尚再造，見圖10。

圖9 應用實例-傳統服飾紋樣生成三維首飾軟件

圖10 設計生成打印一體機

6 結語

構建了傳統服飾紋樣從平面到立體的生成技術路徑、設計方法，探索了基于神經網絡算法的紋樣輪廓生成三維形態技術，以及基于參數化算法的紋樣生成三維肌理技術，開發了傳統服飾紋樣生成首飾的軟件，并實現了設計、加工一體化流程。神經網絡的機器學習技術與Grasshopper的圖形生成技術在服飾設計中的應用還處于探索階段，服飾紋樣生成三維首飾軟件初步驗證了其可行性。與現有傳統服飾紋樣數字化設計路徑相比，機器創造與用戶參與相結合的模式有效提升了藝術設計的系統性、適應性。

生成式服飾產品設計，是以個性定制的設計模式來適應快速發展的多元化社會消費場景和青年生活方式的；同時，以現代智能化、數字化技術促進傳統文化元素快速結合產業前沿，為服飾智能制造提供設計接口，進而為計算機輔助服飾設計研究帶來更多的可能性。

[1] 范凌, 李丹, 卓京港, 等. 人工智能賦能傳統工藝美術傳承研究: 以金山農民畫為例[J]. 裝飾, 2022(7): 94-98.

FAN Ling, LI Dan, ZHUO Jing-gang, et al. Research on Art and Craftsmen Preservation Empowered by Artificial Intelligence: A Case Study of Jinshan Farmers’ Paintings[J]. Art & Design, 2022(7): 94-98.

[2] JANG S, YOO S, KANG N. Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs[J]. Computer-Aided Design, 2022, 146: 103225.

[3] 崔榮榮. 中國傳統紡織服飾圖案研究述評及價值闡釋[J]. 包裝工程, 2022, 43(6): 11-23, 401.

CUI Rong-rong. Chinese Costume Culture and Its Value in the New Era[J]. Packaging Engineering, 2022, 43(6): 11-23, 401.

[4] 劉水, 梁惠娥, 胥箏箏. 近現代民間服飾中幾何紋樣的流變及其啟示[J]. 裝飾, 2010(12): 116-117.

LIU Shui, LIANG Hui-e, XU Zheng-zheng. Geometric Pattern's Rheology and Its Revelation in Modern Folk Costumes[J]. Art & Design, 2010(12): 116-117.

[5] 宋曉薇, 詹炳宏. 蒙古族服飾文化因子提取及設計應用[J]. 包裝工程, 2020, 41(10): 325-330.

SONG Xiao-wei, ZHAN Bing-hong. The Extraction of Cultural Factors from Mongolian Costume and Design Application[J]. Packaging Engineering, 2020, 41(10): 325-330.

[6] 韓海燕, 阿雅拉古. 鄂倫春傳統服飾文化知識圖譜可視化設計[J]. 包裝工程, 2022, 43(22): 443-456.

HAN Hai-yan, A Y. Visual Design of Oroqen Traditional Costume Culture Knowledge Map[J]. Packaging Engineering, 2022, 43(22): 443-456.

[7] 孔謙, 史卓, 馮業, 等. 瑤族紋樣符號的智能分類方法[J]. 包裝工程, 2021, 42(10): 244-250.

KONG Qian, SHI Zhuo, FENG Ye, et al. The Intelligent Classification Method of Yao Patterns[J]. Packaging Engineering, 2021, 42(10): 244-250.

[8] 池寧駿, 謝佳陽. 基于參數化設計的傳統紋樣結構衍生及應用[J]. 包裝工程, 2022, 43(12): 257-265.

CHI Ning-jun, XIE Jia-yang. Derivation and Application of Traditional Patterned Structures Based on Parametric Design[J]. Packaging Engineering, 2022, 43(12): 257-265.

[9] 蔡興泉, 李治均, 奚夢瑤, 等. 基于神經網絡的手繪服飾圖紋上色及風格遷移[J/OL]. 系統仿真學報: 1-12 [2022-10-02].

CAI Xing-quan, LI Zhi-jun, XI Meng-yao, et al. Costume Pattern Sketch Colorization and Style Transfer Based on Neural Network[J/OL]. Journal of System Simulation, 1-12[2022-10-02].

[10] 劉永紅, 黎文廣, 季鐵, 等. 國外生成式產品設計研究綜述[J]. 包裝工程, 2021, 42(14): 9-27.

LIU Yong-hong, LI Wen-guang, JI Tie, et al. Review of Research on Generative Product Design Abroad[J]. Packaging Engineering, 2021, 42(14): 9-27.

[11] VAN DER ZEE A, DE VRIES B. Design by Computation[C]. Nanjing: GA2008, 11th Generative Art Conference, 2008.

[12] MCCORMACK J P, DORIN A, INNOCENT T. GenerativeDesign: a Paradigm for Design Research[C]. London: Design Research Society International Conference, 2004.

[13] FASOULAKI E. Integrated Design Fasoulaki a GenerativeMulti-Performative Design Approach[D]. Patras: University of Patras, 2008.

[14] SUN Mu-zi, SHI Min-yong, HAN Hong-lei. Contour Extraction and Vectorization Algorithm for Paper-Cut Pattern[C]//2016 4th Intl Conf on Applied Computing and Information Technology/3rd Intl Conf on Computational Science/Intelligence and Applied Informatics/1st Intl Conf on Big Data, Cloud Computing, Data Science & Engineering (ACIT-CSII-BCD). Las Vegas, NV, USA. IEEE, 2017: 342-347.

[15] ZHOU Yu-ping, LIU Xiang, LIN Ming, et al. Research on the Gene Generation Technologies of Hainan Li Brocade Patterns Based on Graphic and Image Technology[C]//2016 8th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC). Hangzhou, China. IEEE, 2016: 339-342.

[16] WEI Li-xin, YU Zhang. Research on the Key Technologies of Ceramic Pattern Design System[C]//2014 Fifth International Conference on Intelligent Systems Design and Engineering Applications. Hunan, China. IEEE, 2014: 871-875.

[17] NASRI A, BENSLIMANE R. Parametric Shape Grammar Formalism for Moorish Geometric Design Analysis and Generation[J]. Journal on Computing and Cultural Heritage, 2017, 10(4): 1-20.

[18] CHAU H H, MCKAY A, EARL C F, et al. Exploiting Lattice Structures in Shape Grammar Implementations[J]. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 2018, 32(2): 147-161.

[19] 殷曉晨, 劉勇, 王娜, 等. 肌理韻律的參數化實現[J]. 包裝工程, 2022, 43(6): 176-185.

[20] YIN Xiao-chen, LIU Yong, WANG Na, et al. Parametric Realization of Texture Rhythm[J]. Packaging Engineering, 2022, 43(6): 176-185.

[21] ALEJANDRA B, JUAN B, MIGUEL C, et al. Generic Generative Design Systems to Imprint Personalities in Consumer Products Preliminary Results[C]. Gothenburg: the 21st International Conference on Engineering Design (ICED17), 2017.

[22] 高峰, 焦陽. 基于人工智能的輔助創意設計[J]. 裝飾, 2019(11): 34-37.

GAO Feng, JIAO Yang. Artificial Intelligence Aided Creative Design[J]. Art & Design, 2019(11): 34-37.

Generation Design of Traditional Costume Pattern

ZHANG Fan1, SU Yi1, CUI Qiang2, WANG Tao1

(1.Beijing Institute of Fashion Technology, Beijing 100029, China; 2.Tsinghua University, Beijing 100091, China)

Costume is the main field of China's culture innovation and the main way of showing culture. The work aims to break through the limitations of the generation and derivation of previous clothing patterns in plane dimensions through the transformation and generation of two-dimensional traditional clothing patterns into three-dimensional solid jewelry and products. Based on image technology such as edge detection and manual tracing, abstract extraction of two-dimensional traditional clothing pattern images was realized. ANN machine learning algorithm and computer graphics algorithm were used to train a traditional contour automatic shaper to generate three-dimensional jewelry shape to generate three-dimensional parametric texture from two-dimensional image of clothing patterns. Taking traditional auspicious patterns of clothing as an example, a pattern material library was formed. On this basis, the design path of plane pattern extraction, three-dimensional shape transformation, three-dimensional texture transformation, texture to mapping shape generation and design was realized. Its feasibility was verified through the practice of design application software system. Establishing the transformation and personalized customization path of modern clothing products with traditional clothing cultural elements, solving the separation between traditional culture and modern consumption and modern industry, promoting the structure optimization and transformation of the clothing industry from the aspects of modern additive manufacturing process, materials and concepts, and injecting new strength into it are of great value and significance to the protection and inheritance of national costume culture.

design generation; traditional costume pattern; neural network; parametric design; Grasshopper

TB472

A

1001-3563(2023)04-0001-08

10.19554/j.cnki.1001-3563.2023.04.001

2022–10–31

北京市教委科技面上項目（KM202110012002）；北京服裝學院高層次人才項目（NHFZ20220078）

張帆（1985—），女，博士，講師，主要研究方向為數字化藝術設計。

蘇藝（1990—），男，博士，講師，主要研究方向為工業設計。

責任編輯：馬夢遙