人工智能輔助“新中式”設計的工程方法

一、人工智能應用于“新中式”設計的前景與難點

人工智能（AI）的引入為“新中式”設計提供了一個全新的發展平臺，它可以幫助設計師更精準地了解市場需求和消費者偏好，在創作過程中實現更加豐富和多元的文化表達。通過建立關于中華傳統文化的知識圖譜和基因庫，AI可以為設計師提供數據驅動的洞察力，使得設計決策更加科學和精確。“新中式”在AI的加持下，能夠在保持文化特色的同時，吸收和融合其他文化元素，創造出具有國際視野的設計語言。

“新中式”設計需要設計師廣泛的了解中國歷史，并能深入理解其背后的文化邏輯。雖然目前的AI在多語種訓練數據的基礎上已取得顯著進展，可以為設計過程提供高效的工具支持和新的可能性，但在解讀復雜的文化符號和傳統意義方面仍存在局限。若要在不犧牲傳統藝術精神的前提下，確保數據的代表性和全面性，需要跨學科的合作和細致的策劃。此外，模型訓練需要收集和整理廣泛的文物數據和研究文獻，以構建一個結構化、多層級、語義關聯的中華文明知識圖譜，這需要大量的時間和資源。

雖然AI可以在設計過程中提供高效的工具支持和新的可能性，但“新中式”設計的核心仍然是對傳統藝術形式的尊重和繼承。多模態AI大模型在解讀中華傳統文化和運用文化元素時可能會出現表達不準確等問題。如何確保在將先進的AI技術融入設計時，技術的應用能夠增強而不是替代傳統藝術的表達；如何通過建立專屬于中華文化的數據集和模型，更準確地傳達中國的文化精神和價值觀，這將是很大的挑戰。

二、利用人工智能輔助“新中式”設計的工程方法

傳統中式元素的基因圖譜構建具有非常重要的文化意義，涉及大量數據庫資源，以及如何利用AI深度學習進行穩定的設計轉化方法。鑒于此，將AI應用于“新中式”設計，應充分吸收并轉化傳統設計的藝術經驗，形成一套科學性強、系統性好、可靠性高的設計方案、實施流程和評價體系，以適應數字化和智能化的趨勢。

深度學習算法在當前的AI圖像和圖案設計領域顯示出極大的潛力，因此本研究將其作為主要的研究方法和實驗的核心技術。通過利用深度學習算法，在中式紋樣、工藝、色彩等傳統文化因子的基礎上結合時尚設計元素，進一步在紡織品設計中探索如何有效地保留和創新這些傳統元素，從而構建出一種“新中式”紡織品設計工作流，并以紡織品設計領域的實踐為例推動“新中式”設計的智能化轉型和文化基因傳承。

（一）數據庫準備與工作策略的系統性構建

1.“新中式”數據庫搭建

在設計實踐之前，首先對相關數據進行搜集、歸納并建庫。這些數據庫包含用于大模型訓練的傳統元素庫、時尚元素庫，以及應對不同設計場景的床品元素庫、窗簾元素庫、地毯元素庫、服裝元素庫（圖1）。

2.“新中式”評價體系構建

“新中式”設計既傳承了中國傳統文化風格，又提煉了“國風”的關鍵性元素，并與現代設計的理念和風格元素融合在一起。基于文獻調研，結合多位紡織品設計領域專家學者的建議，大致將“新中式”紡織品設計分為兩大類：中式傳統與現代時尚。又可從五個方面進行具體分析：面料、色彩、圖案、款式、寓意。面料方面，中式傳統服裝常用的絲綢、棉麻等面料得到保留，同時設計師結合現代科技，采用新型面料或對面料進行特殊處理，以增加產品的舒適性和功能性。色彩方面，中國傳統色彩以五行為引，赤火熱烈、黃土平順、青木清明、白金素潔、藍水幽靜，色彩相生則悅目，反之則突兀，如紅墻黃瓦、朱門金釘的故宮。圖案方面，結合中式傳統圖案，如龍鳳、牡丹、祥云等，創造出既有傳統韻味又富有現代感的視覺效果。款式方面，借鑒中式傳統紡織品設計的經典款式，如服裝的云肩、對襟、盤扣等，床品的壓花、刺繡等，并結合現代審美和人體工學進行改良和創新，使產品更加符合現代人的使用習慣和需求。寓意方面，“新中式”設計代表了古與今的融合，是對中國古典美學的一種現代詮釋，例如梅、蘭、竹、菊都有中式語境下的特殊意蘊。將現代設計結合具有傳統寓意的紋樣，是文化脈搏與時尚前沿的有機結合。因而，應以生成中式傳統元素與現代時尚元素相結合的輕紡產品為目標，建立起一套“新中式”紡織品設計評價體系（圖2）。

3.“新中式”紡織品設計的工作實施流程

“新中式”紡織品設計的工作實施流程采用多層架構的方式來確保可控、可靠生成。首先構建“新中式”基因大模型，之后構建細分設計領域應用分模型，再之后利用ControlNet精細布局以做到可控區域生成，最后導入到高清修復環節進行高質量圖片產出。需要用到的工具與算法有DreamBooth、LoRA、ControlNet等，具體流程如下（圖3）。

（二）設計實踐

1.實驗環境

模型訓練與圖像生成的實驗環境為CPU：13thGenIntel（R）Core（TM）i7-13700KF3.00GHz，GPU：NVIDIARTX409024G；操作系統：Windows10。

2.基于DreamBooth的“新中式”基因大模型訓練

DreamBooth的模型訓練思維框架是基于原有的基礎大模型進行追加學習訓練，相當于在原有基礎大模型之中注入了一些新的信息，以期達到訓練的目標。

在構建中華傳統文化基因庫這一宏大命題下，課題組目前整合歸納的數據庫雖只占中華文明的冰山一角，所需訓練的圖集仍達到了上萬張之多（截至2024年6月中旬），且涉及的門類眾多，包括但不限于傳統工藝美術品、“非遺”元素、水墨畫、工筆畫等。在這種情況下，需要分批次進行訓練。另外，在上述參數設置中使用Flipaugmentation進行了顏色微調，以及圖像鏡像翻轉，以求在保持中國傳統色的前提下增加設計轉化成果的多樣性。在驗證生成內容后，得出“新中式”1.0基礎大模型，流程如下（圖4）。

4.基于低秩算法的輔助模型訓練

因為本次設計策略需要進行多輪訓練，故選用適合在資源有限的環境中對模型進行定制和優化的低秩算法（Low-RankAdaptation）進行訓練。模型訓練與圖像生成的參數設置如下：

5.基于低秩算法的床品模型訓練

根據低秩算法訓練的特性，結合基于模因理論對“新中式”床品辨識元素的分析，寫出樣本圖片相應的標簽（標簽在擴散模型中的作用是用來幫助模型理解圖像的語義，同時也是生成內容時的觸發詞），并將樣本圖片制作成512×512像素進行訓練。利用WB1.4標簽器為圖片產生相對應的“新中式”關鍵標簽及針對床品設計領域的場景標簽，在給每張圖片填寫標簽時，通過圖像的材質、款式、色彩、圖案、寓意與床品展示場景相關標簽如室內、枕頭、綠植、窗戶、床等方面進行組合撰寫，由此來實現針對“新中式”的精確化設計。

考慮到后續有多項設計場景需要進行基礎參數遷移，為保證算力的優化使用，在控制其他參數不變的情況下，只變動圖像迭代和訓練周期，發現其中第20輪迭代在保證圖像穩定的情況下所占算力較少，效果如圖所示（圖5）。

在圖像迭代后，選擇其中最符合“新中式”風格且展示效果最佳的模型—XC-LoRA，運用該模型生成的效果（圖6），可以看到面料質感、壓花款式的表現，以及有著中式語義的竹、松紋樣，色彩也符合中式傳統風格，符合前文所提及的“新中式”評價體系。

6.基于低秩算法的窗簾、服裝、地毯模型訓練

在經過上述床品的LoRA訓練后，課題組按照上述實踐方法令LoRA對服裝、窗簾、地毯進行深度學習，針對性地對特定分類進行細致的提示詞歸納、遷移訓練參數，并針對性地做出微調，訓練出適用于窗簾設計、服裝設計、地毯設計等不同場景的針對性模型—XL-LoRA、XF-LoRA、XD-LoRA。以下是部分效果圖展示（圖7、圖8）。

7.AI誤判選區的清除方法，基于ControlNet的畫面分層處理

在上述模型生成的“新中式”圖像中，存在一些不屬于設計區域、被AI誤判的選區。為了更準確地進行新中式內容生成，團隊使用了控制預訓練圖像擴散模型的神經網絡ControlNet。利用ControlNet對圖像進行識別，以圖像—線稿—白模進行畫面區域分割，再對設計區域進行劃分，以實現“新中式”風格內容的穩定遷移（圖9）。

在完善這套精細控制流程后，課題組對瑕疵圖片進行修復（圖10）。可見經ControlNet控制的分層模型，可以更精準地定位設計區域，從而進行針對性的設計轉化，如圖10未經控制的效果圖中，對竹子紋樣定位在錯誤的非設計區域；而經過控制后，唯有窗簾區域有竹紋樣展示，提供了更穩定的生成效果。

8.基于R-ESRGAN4x+算法圖像高清修復

R-ESRGAN4x+算法是Real-TimeEnhancedSuper-ResolutionGenerativeAdversarialNetwork4x+的縮寫，是一種圖像超分辨率重建算法。R-ESRGAN4x+基于生成對抗網絡，是ESRGAN的改進版本之一。在經過ControlNet輸出圖像后通過運用遞歸結構的R-ESRGAN4x+算法，設計圖像的分辨率得以提高，圖像細節也進一步得到完善，生成圖像的質量相對其他AI的修復更穩定。課題組在諸多寫實種類的圖像中利用這項技術取得了很好的生成效果，展現出更好的分辨率、去模糊和去噪等圖像呈現。

對圖像的高清修復大致可以分為三個階段：首先是圖像分析，分析原始圖像的內容，把構造、材質和可能的噪點進行整理歸納，決定修復過程中將要增加哪些細節。其次是圖像重建，算法會根據已有的低分辨率圖像來預測缺失的高分辨率細節，對圖像進行平滑邊緣、增加紋理等操作，從而達到填補圖像中未明確顯示的部分的作用。最后是圖像優化，使用R-ESRGAN4x+算法能夠優化圖像的色彩、對比度和亮度，以確保圖像不僅分辨率高，而且視覺效果也符合人眼觀察的自然感。具體流程圖如下（圖11），修復過的床品紋樣更加清晰平滑、紋理更多，更能表現出光滑細膩的面料質感（圖12）。

結語

“新中式”是中國傳統文化與現代生活之間的重要橋梁，擁有廣闊的發展前景，隨著AI技術的不斷進步，AI與“新中式”設計的結合將成為新質生產力發展的重要助力，同時也為現代輕紡業實現降本增效、長遠發展提供必要保障。本項目利用AI技術結合紡織品設計方法，搭建了一套“新中式”設計AI的訓練流程，并創建了具有“新中式”基因的大模型，以及能夠應用于不同設計場景的XC-LoRA、XL-LoRA、XF-LoRA、XD-LoRA分模型，有效促進了傳統文化與時尚風格的智能融合。此次基于深度學習技術構建出的“新中式”文化基因大模型僅是1.0版本，但實驗得到的成果已經充分展現出該模型的商用化前景。未來，課題組將持續對新中式文化基因大模型進行更新與改良，令其在文化與產業領域發揮更大的影響力。