大數(shù)據(jù)驅(qū)動(dòng)的生成式AI在服裝設(shè)計(jì)中的應(yīng)用——以Midjourney為例

摘要： 大數(shù)據(jù)的驅(qū)動(dòng)促進(jìn)了生成式智能的飛速發(fā)展，在設(shè)計(jì)領(lǐng)域其應(yīng)用不斷演進(jìn)，極大地拓展了設(shè)計(jì)的尺度和可能性，展現(xiàn)了在設(shè)計(jì)創(chuàng)新中的巨大潛力。為探索大數(shù)據(jù)與生成式智能的關(guān)聯(lián)，分析技術(shù)的發(fā)展現(xiàn)狀及在垂直領(lǐng)域的應(yīng)用并以此為基礎(chǔ)推導(dǎo)設(shè)計(jì)流程的轉(zhuǎn)變，文章以Midjourney為例針對(duì)不同的應(yīng)用場(chǎng)景，分析總結(jié)數(shù)據(jù)與智能時(shí)代的服裝設(shè)計(jì)模式。基于雙鉆設(shè)計(jì)模型提出了智能時(shí)代設(shè)計(jì)流程四鉆圖，該流程結(jié)合了數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)和智能技術(shù)的應(yīng)用驗(yàn)證了智能時(shí)代設(shè)計(jì)思維的重構(gòu)、設(shè)計(jì)方法的變革，以及設(shè)計(jì)學(xué)研究范式的轉(zhuǎn)換。超學(xué)科融合下，大數(shù)據(jù)為設(shè)計(jì)學(xué)提供海量信息以精準(zhǔn)把握設(shè)計(jì)趨勢(shì)，生成式智能以其學(xué)習(xí)創(chuàng)新能力為設(shè)計(jì)學(xué)提供新視角，延伸設(shè)計(jì)邊界，成為連接人文、社會(huì)、自然等領(lǐng)域的橋梁。

關(guān)鍵詞： 大數(shù)據(jù);人工智能;生成式智能;設(shè)計(jì)模式;服裝設(shè)計(jì);Midjourney

中圖分類號(hào)： TS941.2

文獻(xiàn)標(biāo)志碼： A

從信息化到數(shù)字化再到智能化，數(shù)據(jù)在成為關(guān)鍵生產(chǎn)要素的同時(shí)，也對(duì)各個(gè)專業(yè)領(lǐng)域的設(shè)計(jì)模式、流程運(yùn)作、商業(yè)形態(tài)及科學(xué)范式產(chǎn)生了深刻影響［1］。人工智能（Artificial Intelligence，AI）和大數(shù)據(jù)處理技術(shù)的飛速發(fā)展在各個(gè)領(lǐng)域都帶來了深遠(yuǎn)的影響與變革，服裝行業(yè)中生成式智能在企業(yè)的全流程介入重構(gòu)了服裝設(shè)計(jì)諸多環(huán)節(jié)，數(shù)智技術(shù)正在產(chǎn)業(yè)土壤中實(shí)現(xiàn)自身巨變。行業(yè)變化產(chǎn)生了智能化的新需求，也催生了很多新的理論、模式、方法、業(yè)態(tài)［2］，當(dāng)下人工智能生成內(nèi)容（Artificial Intelligence Generated Content，AIGC）正推動(dòng)著虛實(shí)融生趨勢(shì)下的設(shè)計(jì)范式轉(zhuǎn)化。

傳統(tǒng)的服裝設(shè)計(jì)往往是設(shè)計(jì)師主觀偏好和經(jīng)驗(yàn)積累的結(jié)果，但面對(duì)日益多樣化與個(gè)性化的消費(fèi)需求，設(shè)計(jì)方法亦需要與時(shí)俱進(jìn)。通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等算法，人工智能可以分析和學(xué)習(xí)大量的服裝數(shù)據(jù)，并生成新的設(shè)計(jì)內(nèi)容和風(fēng)格，這使得設(shè)計(jì)師能夠從一個(gè)更廣泛和多樣化的設(shè)計(jì)空間中獲得靈感和創(chuàng)作的可能性。AI催生的內(nèi)容藍(lán)海正在從輔助協(xié)作和降本提效向智能創(chuàng)作和增值創(chuàng)造擴(kuò)散［3］。在服裝設(shè)計(jì)領(lǐng)域，人工智能大數(shù)據(jù)的訓(xùn)練應(yīng)用正逐漸展現(xiàn)其巨大的潛力與價(jià)值，如何將最新技術(shù)成果轉(zhuǎn)化為垂直領(lǐng)域的設(shè)計(jì)應(yīng)用，設(shè)計(jì)工作流程又將出現(xiàn)何種轉(zhuǎn)變，這些問題都值得深入探討。

1 數(shù)據(jù)智能時(shí)代的設(shè)計(jì)發(fā)展與現(xiàn)狀

1.1 大數(shù)據(jù)驅(qū)動(dòng)生成式智能高速發(fā)展

隨著參數(shù)規(guī)模的增長(zhǎng)，機(jī)器學(xué)習(xí)的集成及模型結(jié)構(gòu)的不斷升級(jí)，人工智能生成內(nèi)容的樣本多樣性和逼真度得到了顯著提高［4］。以自然語(yǔ)言處理領(lǐng)域具有代表性突破的Chat GPT為例，其參數(shù)量從GPT的1.17億增加到GPT-3的1 750億，具備生成多種形式內(nèi)容和執(zhí)行各種任務(wù)能力的GPT-4參數(shù)量更是達(dá)到萬億級(jí)別。AIGC匯集了大量的機(jī)器學(xué)習(xí)技術(shù)，如監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。在學(xué)習(xí)過程中，通過定義的損失函數(shù)來量化模型預(yù)測(cè)結(jié)果與實(shí)際結(jié)果之間的偏差，并借助梯度下降、隨機(jī)梯度下降、動(dòng)量法等多種優(yōu)化算法調(diào)整模型參數(shù)以最小化損失函數(shù)值，從而確保生成式智能模型持續(xù)學(xué)習(xí)并不斷改進(jìn)，適應(yīng)不同類型和規(guī)模的數(shù)據(jù)集并從中提取出有價(jià)值的信息和洞見。就模型結(jié)構(gòu)層面而言，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）在圖像識(shí)別和處理方面開啟了深度學(xué)習(xí)的序幕;變分自編碼器（Variational Autoencoder，VAE）結(jié)合了變分推斷和自編碼器的思想，可以生成高質(zhì)量的連續(xù)型數(shù)據(jù);對(duì)抗模型則通過生成器和判別器的對(duì)抗訓(xùn)練，能夠生成逼真的樣本;Transformer結(jié)構(gòu)的出現(xiàn)擴(kuò)大了數(shù)據(jù)增強(qiáng)和模型生成空間;通過大規(guī)模數(shù)據(jù)集的訓(xùn)練和擴(kuò)散模型結(jié)構(gòu)，生成的樣本可以涵蓋更豐富的內(nèi)容和多樣的變體，為廣泛的應(yīng)用場(chǎng)景提供了更豐富準(zhǔn)確和有創(chuàng)意的內(nèi)容生成能力（圖1）。

1.2 生成式智能在設(shè)計(jì)領(lǐng)域的應(yīng)用發(fā)展

AIGC在設(shè)計(jì)領(lǐng)域的應(yīng)用自2014年起步，以生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks，GAN）為代表的深度學(xué)習(xí)算法的提出標(biāo)志著決策式智能向生成式智能的轉(zhuǎn)折，人工智能具備了生成設(shè)計(jì)內(nèi)容的初步條件。此時(shí)智能設(shè)計(jì)研究主要集中于產(chǎn)品設(shè)計(jì)或工業(yè)設(shè)計(jì)領(lǐng)域，GAN模型可用于生成指定色彩或形狀的三維椅子［5］。此后生成算法不斷迭代更新，2017年循環(huán)生成對(duì)抗網(wǎng)絡(luò)（Cycle GAN）被提出，Cycle GAN可以捕捉圖像域特征并找出將這些特征轉(zhuǎn)換為另一個(gè)圖像域的方法。相比傳統(tǒng)的風(fēng)格遷移方法，Cycle GAN能夠?qū)崿F(xiàn)無監(jiān)督的風(fēng)格轉(zhuǎn)換，使得服裝設(shè)計(jì)師能夠更自由地探索不同的風(fēng)格。近年來，人工智能生成內(nèi)容在服裝設(shè)計(jì)領(lǐng)域的應(yīng)用場(chǎng)景逐步拓展至服裝圖案開發(fā)［6］、紋樣配色［7］與紡織品圖像修復(fù)［8］。2020年生成式智能出現(xiàn)新進(jìn)展，擴(kuò)散模型（Denoising Diffusion Probabilistic Model，DDPM）通過給圖像增加高斯噪聲破壞訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，找出逆轉(zhuǎn)噪聲過程的方法，利用學(xué)習(xí)到的去噪聲方法實(shí)現(xiàn)從隨機(jī)輸入中合成新的圖像［9］，DDPM在GAN的基礎(chǔ)上進(jìn)一步提高圖像生成樣本多樣性與逼真度。在擴(kuò)散模型基礎(chǔ)上采用Lora訓(xùn)練方式，僅需少量樣本即可實(shí)現(xiàn)服飾特征在Stable Diffusion生成內(nèi)容中的遷移［10］。AIGC技術(shù)通過深度學(xué)習(xí)和自然語(yǔ)言處理，結(jié)合海量的服裝相關(guān)數(shù)據(jù)，自動(dòng)生成符合特定目的和要求的文字、圖像、音頻或視頻等多種形式的內(nèi)容，在大規(guī)模數(shù)據(jù)集和預(yù)訓(xùn)練模型基礎(chǔ)上，通過算法和模型的學(xué)習(xí)及推理能力，實(shí)現(xiàn)對(duì)語(yǔ)義、風(fēng)格、結(jié)構(gòu)和表達(dá)等方面的理解和自動(dòng)化產(chǎn)出。

1.3 大數(shù)據(jù)與人工智能帶來的設(shè)計(jì)尺度拓展

19世紀(jì)工業(yè)革命推動(dòng)設(shè)計(jì)與生產(chǎn)分離，形成獨(dú)立專業(yè)領(lǐng)域，建立設(shè)計(jì)和科學(xué)技術(shù)一體化的基礎(chǔ)，20世紀(jì)計(jì)算機(jī)技術(shù)崛起引領(lǐng)設(shè)計(jì)進(jìn)入新紀(jì)元，而21世紀(jì)數(shù)字逐漸代替土地、勞動(dòng)、資本、技術(shù)等傳統(tǒng)要素發(fā)展成為新型生產(chǎn)要素，影響和改變經(jīng)濟(jì)社會(huì)方方面面［11］。人工智能技術(shù)的迅猛發(fā)展更是催生了全新的設(shè)計(jì)領(lǐng)域，徹底顛覆設(shè)計(jì)以人類為唯一主體的傳統(tǒng)，程序根據(jù)設(shè)計(jì)師的意圖，結(jié)合自身存儲(chǔ)的大量數(shù)據(jù)，挖掘有用的數(shù)據(jù)關(guān)系，提供可選擇的設(shè)計(jì)方案［12］。在大數(shù)據(jù)與生成式人工智能的激蕩之下，設(shè)計(jì)領(lǐng)域正經(jīng)歷著一場(chǎng)前所未有的尺度變革，不僅拓寬了設(shè)計(jì)的物理邊界，更在思維層面為設(shè)計(jì)師打開了一扇通往無限可能的大門。

從宏觀尺度審視大數(shù)據(jù)的廣泛應(yīng)用，使得設(shè)計(jì)師能夠以前所未有的深度和廣度洞察市場(chǎng)、用戶和社會(huì)文化的變遷。這種洞察不僅是數(shù)據(jù)的堆砌，更是對(duì)數(shù)據(jù)的深度解讀和提煉，從而轉(zhuǎn)化為設(shè)計(jì)決策的有力支撐。設(shè)計(jì)不再滿足于表面的形式創(chuàng)新，而是開始深入探索設(shè)計(jì)的本質(zhì)和價(jià)值，以人工智能分析后的數(shù)據(jù)結(jié)果為引導(dǎo)，創(chuàng)造出真正符合用戶需求和市場(chǎng)趨勢(shì)的設(shè)計(jì)作品。微觀尺度的設(shè)計(jì)優(yōu)化，同樣在生成式人工智能的助力下更進(jìn)一步，借助大數(shù)據(jù)、智能算法和機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)設(shè)計(jì)方案的自動(dòng)生成和優(yōu)化，不僅是細(xì)節(jié)上的打磨，更是對(duì)設(shè)計(jì)理念和用戶體驗(yàn)的深入挖掘，以提升設(shè)計(jì)作品的品質(zhì)。跨尺度的設(shè)計(jì)整合，正成為設(shè)計(jì)領(lǐng)域的新高地，設(shè)計(jì)師需要在不同尺度之間進(jìn)行巧妙的平衡和協(xié)調(diào)，即具備全局性的視野和戰(zhàn)略性的思維，綜合運(yùn)用各種設(shè)計(jì)資源和信息，以實(shí)現(xiàn)設(shè)計(jì)的全局迭代和局部迭代的有機(jī)結(jié)合。通過人機(jī)協(xié)同跨尺度整合，設(shè)計(jì)師可以更加專注于創(chuàng)意思維和概念設(shè)計(jì)，將煩瑣的數(shù)據(jù)處理和設(shè)計(jì)優(yōu)化工作交給人工智能，以更多的時(shí)間和精力用于探索和嘗試創(chuàng)新思考等無法被機(jī)器替代的方面。

大數(shù)據(jù)與生成式人工智能對(duì)設(shè)計(jì)尺度的拓展，正在重塑設(shè)計(jì)的面貌，設(shè)計(jì)的主體從單一的人類設(shè)計(jì)師轉(zhuǎn)變?yōu)榧夹g(shù)與人的協(xié)同合作，設(shè)計(jì)過程也從傳統(tǒng)的線性模式轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)、智能生成的動(dòng)態(tài)過程，推動(dòng)設(shè)計(jì)領(lǐng)域的創(chuàng)新和升級(jí)。在這場(chǎng)尺度革命中，設(shè)計(jì)師不再是孤立的創(chuàng)作者，通過大數(shù)據(jù)和生成式人工智能的賦能，不斷拓展設(shè)計(jì)尺度和思維深度，設(shè)計(jì)也不再僅是形式的創(chuàng)新，更是對(duì)人類生活方式的深刻洞察和引領(lǐng)。

2 生成式智能在服裝設(shè)計(jì)中的應(yīng)用

2.1 AIGC：設(shè)計(jì)與繪畫的無界融合

2022年下半年起，AI由文本生成圖像的技術(shù)迅速嶄露頭角，成為科技和藝術(shù)領(lǐng)域的一個(gè)熱點(diǎn)話題，基于此技術(shù)應(yīng)運(yùn)而生的應(yīng)用程序如Midjourney、Stable Diffusion、DALL-E、文心一格等各具特點(diǎn)和優(yōu)勢(shì)。Midjourney以其簡(jiǎn)單的交互方式、高效的圖像生成速度和強(qiáng)大的圖像生成能力而受到廣泛關(guān)注，使用戶能夠在短時(shí)間內(nèi)獲得所需的圖像。Stable Diffusion則以開源、可本地部署及出色的可控性，為用戶提供更加準(zhǔn)確和穩(wěn)定的圖像體驗(yàn)。DALL-E 3在細(xì)節(jié)表現(xiàn)和文本理解方面表現(xiàn)出色，使得創(chuàng)作者可以通過簡(jiǎn)單的文字描述實(shí)現(xiàn)復(fù)雜的圖像創(chuàng)作，而文心一格則關(guān)注了中國(guó)文化元素和藝術(shù)表現(xiàn)力，為人們提供了更具中國(guó)特色的圖像生成服務(wù)（表1）。

智能圖像生成平臺(tái)的初衷是在整個(gè)藝術(shù)領(lǐng)域應(yīng)用，并實(shí)現(xiàn)對(duì)各種圖像風(fēng)格、主題和藝術(shù)風(fēng)格的泛化。也就是說AI繪畫并不能等同于設(shè)計(jì)，但設(shè)計(jì)師可以憑借具體的設(shè)計(jì)指令以文生圖或是上傳設(shè)計(jì)草圖后以圖生圖獲得無限趨向于設(shè)計(jì)需求的AI繪畫作品。未來，隨著技術(shù)的成熟和發(fā)展，智能圖像生成在應(yīng)用中必然會(huì)逐漸向更垂直的場(chǎng)景拓展。目前通過使用人工

智能圖像生成技術(shù)，服裝設(shè)計(jì)師可以通過關(guān)鍵詞指令來描述設(shè)計(jì)概念，隨即系統(tǒng)會(huì)生成相應(yīng)的圖像，這樣的交互方式不僅縮短了設(shè)計(jì)師的創(chuàng)作周期，也產(chǎn)生了多樣、多元的設(shè)計(jì)想法。正因?yàn)槠湓诜b設(shè)計(jì)領(lǐng)域的潛力和創(chuàng)新性，使用人工智能圖像生成技術(shù)的服裝設(shè)計(jì)作品開始在服裝設(shè)計(jì)大賽中嶄露頭角并屢屢獲得獎(jiǎng)項(xiàng)。這些作品通過創(chuàng)新的設(shè)計(jì)理念和獨(dú)特的圖像生成技術(shù)，吸引了評(píng)委和觀眾的關(guān)注，并在眾多競(jìng)爭(zhēng)作品中脫穎而出，也體現(xiàn)了在智能圖像生成范疇設(shè)計(jì)與繪畫界限的模糊。

2.2 以Midjourney智能生成為例的服裝設(shè)計(jì)

以Midjourney為例，簡(jiǎn)單的交互方式使得不具備繪畫技能的用戶也能夠輕松地創(chuàng)作出獨(dú)特的圖像作品，在公開測(cè)試中擁有了較好的用戶反饋，且在應(yīng)用層面呈現(xiàn)百花齊放的勢(shì)態(tài)。在海量圖像數(shù)據(jù)及算法算力支持下基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和圖像生成模型的技術(shù)，通過大量地訓(xùn)練數(shù)據(jù)和模型的學(xué)習(xí)能力，利用自然語(yǔ)言處理識(shí)別和理解文本描述中的關(guān)鍵信息，并將其轉(zhuǎn)化為圖像的特征和細(xì)節(jié)，Midjourney能夠生成高質(zhì)量、逼真且較為符合用戶期望的圖像作品。用戶在添加機(jī)器人后可以通過Discord向Midjourney輸入簡(jiǎn)單的句子或具體的描述，首先以“/imagine”指令即可喚起生成的圖像的描述界面，其次輸入一段文字描述并點(diǎn)擊生成按鈕，如場(chǎng)景、物體、顏色等，每次可以輸出一組4張相對(duì)應(yīng)的圖像。AI算法將文字描述轉(zhuǎn)化為圖像的過程類似于藝術(shù)家在紙張上作畫，只不過這次藝術(shù)家是智能程序，而畫紙是云端處理器。就服裝設(shè)計(jì)領(lǐng)域而言，經(jīng)過實(shí)踐Midjourney可以實(shí)現(xiàn)服裝款式生成、服裝圖案設(shè)計(jì)、虛擬模特形象設(shè)計(jì)及數(shù)字服裝展示空間等（圖2）。

2.2.1 圖案設(shè)計(jì)

服裝圖案設(shè)計(jì)在服裝設(shè)計(jì)中的重要性不可忽視，能夠塑造品牌形象和吸引消費(fèi)者，提升產(chǎn)品質(zhì)感和附加值，突出服裝的功能和形狀美。服裝圖案設(shè)計(jì)可以按照不同的屬性進(jìn)行分類，其中包括獨(dú)幅圖案、連續(xù)圖案和散點(diǎn)圖案，圖案分類可根據(jù)設(shè)計(jì)的用途和效果而有所變化，有時(shí)候分類可能會(huì)出現(xiàn)重疊，如連續(xù)圖案中可能包含獨(dú)幅圖案元素，或者連續(xù)圖案與散點(diǎn)圖案相結(jié)合。因此在實(shí)際的服裝圖案設(shè)計(jì)中，可以根據(jù)需求和創(chuàng)意的要求進(jìn)行自由組合和變化，在Midjourney中添加“ "tile”指令可輔助程序快速生成可用服裝圖案（表2）。

2.2.2 款式設(shè)計(jì)

輸入一些服裝設(shè)計(jì)的初始關(guān)鍵詞，如品類、色彩、廓形等，即可生成具有藝術(shù)感和細(xì)節(jié)的服裝款式圖及效果圖。雖然Midjourney對(duì)于一些具體專業(yè)的工藝細(xì)節(jié)詞匯無法識(shí)別其關(guān)鍵詞語(yǔ)義，但可以通過上傳圖片隨后采用以圖生圖的方法優(yōu)化該問題，循環(huán)迭代地修改關(guān)鍵詞最終輸出目標(biāo)款式圖片，這些效果圖可以用于設(shè)計(jì)選款、宣傳材料或線上銷售（圖3）。

2.2.3 模特形象及配飾設(shè)計(jì)

Midjourney支持生成真實(shí)的人物形象、模擬時(shí)裝秀場(chǎng)景并將關(guān)鍵詞描述的設(shè)計(jì)草圖應(yīng)用于模特之上，從而更直觀地感受到服裝整體效果或是觀察和調(diào)整妝容、發(fā)型和飾品的效果，快速模擬設(shè)計(jì)與搭配，以符合客戶設(shè)計(jì)要求和呈現(xiàn)品牌形象（圖4）。

2.2.4 服裝展示空間

Midjourney還可以應(yīng)用于生成服裝的展示空間和為虛擬服裝創(chuàng)建各種場(chǎng)景環(huán)境的背景，模擬預(yù)覽服裝設(shè)計(jì)的展示效果。內(nèi)景如時(shí)尚展覽廳、設(shè)計(jì)工作室、零售店鋪等，展示效果可以根據(jù)設(shè)計(jì)師的需求和創(chuàng)意進(jìn)行自定義調(diào)整，設(shè)置照明效果、背景墻、展示架等提示指令，以生成出適合展示服裝的氛圍圖和體驗(yàn)參考（圖5）;外景則可以通過選擇不同的場(chǎng)景關(guān)鍵詞，如戶外、城市風(fēng)景甚至虛擬世界等環(huán)境，為虛擬服裝提供更豐富的展示效果和視覺呈現(xiàn)（圖6）。

2.3 Midjourney在服飾設(shè)計(jì)中的創(chuàng)新應(yīng)用與局限

人工智能技術(shù)可以對(duì)超大規(guī)模的數(shù)據(jù)集進(jìn)行學(xué)習(xí)，進(jìn)而幫助設(shè)計(jì)師超越自身經(jīng)驗(yàn)、邏輯和方法的限制，進(jìn)一步釋放設(shè)計(jì)師的創(chuàng)造力［13］。通過模擬和可視化的方式，Midjourney生成服裝設(shè)計(jì)可以實(shí)現(xiàn)上述多樣化的設(shè)計(jì)并提供高度的靈感和創(chuàng)造力。生成的圖像無論是清晰度、質(zhì)感還是色彩表現(xiàn)都達(dá)到了較高的水準(zhǔn)，但也存在一些不足。首先是服裝的真實(shí)性和細(xì)節(jié)受到限制，生成的服裝款式圖可能具有藝術(shù)感和創(chuàng)新性，但細(xì)節(jié)和精確性不及真實(shí)的服裝;其次是適用性和實(shí)用性即生成的服裝設(shè)計(jì)可能對(duì)于實(shí)際生產(chǎn)和銷售有一定的限制，人工智能暫時(shí)無法考慮實(shí)際制作過程中的技術(shù)和約束，如面料選擇、尺碼適配、生產(chǎn)成本等。因此，設(shè)計(jì)師在使用Midjourney生成的設(shè)計(jì)時(shí)需要考慮到這些實(shí)際問題，并做出相應(yīng)的調(diào)整和優(yōu)化。此外，由于Midjourney圖片在云端處理，無法自行載入數(shù)據(jù)庫(kù)，對(duì)于一些具體的工藝關(guān)鍵詞或小眾品牌無法實(shí)現(xiàn)精準(zhǔn)識(shí)別與輸出，故而需要配合可以本地部署和自行載入圖片數(shù)據(jù)庫(kù)的Stable Diffusion或其他AIGC工具生成更為精確可控內(nèi)容。

3 數(shù)據(jù)與智能時(shí)代的服裝設(shè)計(jì)模式

3.1 數(shù)據(jù)與智能時(shí)代設(shè)計(jì)預(yù)測(cè)

人工智能增益了設(shè)計(jì)活動(dòng)中的用戶洞察方式，在信息爆炸的大數(shù)據(jù)時(shí)代，通過分析用戶行為產(chǎn)生海量數(shù)據(jù)的相關(guān)性，發(fā)現(xiàn)數(shù)據(jù)背后用戶行為的客觀規(guī)律。這可以彌補(bǔ)用戶主動(dòng)反饋信息不足及糾正設(shè)計(jì)師主觀認(rèn)知的固有偏見，使設(shè)計(jì)師能夠更加精確挖掘用戶需求［14］。以人工智能技術(shù)為依托，以數(shù)據(jù)—工具—平臺(tái)為核心，形成大數(shù)據(jù)驅(qū)動(dòng)下的設(shè)計(jì)研發(fā)和管理創(chuàng)新、設(shè)計(jì)決策的精準(zhǔn)運(yùn)營(yíng)及設(shè)計(jì)方案的智能生成［15］。例如，建立多層的神經(jīng)網(wǎng)絡(luò)模型可實(shí)現(xiàn)圖像和文字等復(fù)雜數(shù)據(jù)的處理和理解，對(duì)于最新發(fā)布的秀場(chǎng)，圖像識(shí)別算法可以進(jìn)行分析及分類，提取出不同服飾元素、紋理和款式等關(guān)鍵信息;結(jié)合社交媒體平臺(tái)數(shù)據(jù)人們對(duì)不同類型服裝的評(píng)論和反饋，將收集到的數(shù)據(jù)進(jìn)行深入挖掘、分析與歸檔，并沉淀出數(shù)據(jù)信息資產(chǎn)。在上述基礎(chǔ)上即可建立初始交互原型，經(jīng)由技術(shù)的可行性、市場(chǎng)的需求及資源的分配等方面評(píng)估，根據(jù)用戶反饋和市場(chǎng)需求不斷測(cè)試迭代，建立交互參考文檔收集用戶的建議。通過對(duì)大數(shù)據(jù)集的訓(xùn)練，分析辨識(shí)數(shù)據(jù)中包含的市場(chǎng)資訊、設(shè)計(jì)風(fēng)格、元素等具體關(guān)鍵維度指征，輸出相應(yīng)分析報(bào)告。報(bào)告中的數(shù)據(jù)能夠反映人們對(duì)新色彩、新款式的喜好程度，客觀預(yù)測(cè)未來流行的趨勢(shì)。通過服務(wù)端的開發(fā)實(shí)現(xiàn)最終的設(shè)計(jì)趨勢(shì)預(yù)測(cè)應(yīng)用，即依靠專業(yè)的數(shù)據(jù)整合和分析能力，持續(xù)不斷挖掘市場(chǎng)潛在需求，并提供具有內(nèi)容專業(yè)性、可量化的數(shù)字服務(wù)能力，提供數(shù)據(jù)導(dǎo)向的客觀流行趨勢(shì)指引，從而有效提升服裝行業(yè)設(shè)計(jì)效率和決策能力（圖7）。

3.2 數(shù)據(jù)與智能時(shí)代設(shè)計(jì)工作流程變革

英國(guó)設(shè)計(jì)委員會(huì)曾于2005年提出“雙鉆設(shè)計(jì)模型（Double diamond design model）”（圖8），即設(shè)計(jì)工作主要分為發(fā)現(xiàn)期、定義期、發(fā)展期及交付期。模型描繪了設(shè)計(jì)流程中思維發(fā)散和收縮的過程，核心是發(fā)現(xiàn)正確的問題和發(fā)現(xiàn)正確的解決方案，其靈活性和可適應(yīng)性使得該模型適用于各類項(xiàng)目的設(shè)計(jì)工作。人工智能的廣泛應(yīng)用為設(shè)計(jì)領(lǐng)域帶來了新的方法和設(shè)計(jì)模式，同時(shí)也要求設(shè)計(jì)工作流程更加適應(yīng)快速變化的需求和創(chuàng)新。基于這一目標(biāo)，可以對(duì)雙鉆設(shè)計(jì)模型進(jìn)行一定的擴(kuò)展和調(diào)整，從而提出智能時(shí)代設(shè)計(jì)流程的“四鉆圖”（圖9）。

以業(yè)務(wù)需求為切入點(diǎn)，“發(fā)現(xiàn)”階段依靠數(shù)據(jù)沉淀的市場(chǎng)調(diào)研和用戶研究，借助人工智能技術(shù)進(jìn)行大數(shù)據(jù)分析和趨勢(shì)預(yù)測(cè)，更準(zhǔn)確地捕捉市場(chǎng)需求和用戶偏好。在“定義”階段，根據(jù)發(fā)現(xiàn)的需求，從現(xiàn)有的數(shù)據(jù)集中抽取相關(guān)樣本，并結(jié)合專業(yè)領(lǐng)域的知識(shí)對(duì)其進(jìn)行標(biāo)注以構(gòu)建特定數(shù)據(jù)集。在“發(fā)展”階段，垂直模型可以根據(jù)設(shè)計(jì)需求和反饋進(jìn)行迭代優(yōu)化，設(shè)計(jì)師可以通過與模型進(jìn)行反復(fù)的交互，逐步調(diào)整設(shè)計(jì)參數(shù)、修改設(shè)計(jì)方案，使得設(shè)計(jì)結(jié)果更加符合預(yù)期，這種迭代優(yōu)化過程提供了一種便捷、靈活的設(shè)計(jì)方法。在最后的“交付”階段，協(xié)同設(shè)計(jì)工具和平臺(tái)使得設(shè)計(jì)團(tuán)隊(duì)能夠更加高效地交流和合作，數(shù)據(jù)驅(qū)動(dòng)下的設(shè)計(jì)決策和整合智能技術(shù)的應(yīng)用提高設(shè)計(jì)效率和質(zhì)量。設(shè)計(jì)師與團(tuán)隊(duì)協(xié)作，在搜索發(fā)現(xiàn)、定義問題、生成創(chuàng)意和實(shí)施交付等階段中融入技術(shù)和數(shù)據(jù)驅(qū)動(dòng)的方法，強(qiáng)調(diào)快速迭代和優(yōu)化開發(fā)，靈活應(yīng)對(duì)市場(chǎng)變化和用戶需求，快速測(cè)試和驗(yàn)證設(shè)計(jì)解決方案。

3.3 數(shù)據(jù)與智能時(shí)代設(shè)計(jì)研究視角轉(zhuǎn)換

以大數(shù)據(jù)和生成式人工智能為雙翼，設(shè)計(jì)學(xué)研究的視角正在經(jīng)歷一場(chǎng)革命性的轉(zhuǎn)變，不僅突破了傳統(tǒng)學(xué)科話語(yǔ)的桎梏，更引領(lǐng)設(shè)計(jì)學(xué)研究跨越人文學(xué)科的疆界，與社會(huì)科學(xué)和自然科學(xué)深度融合，從而催生了理論的深度對(duì)話與范式的顛覆性創(chuàng)新。交叉學(xué)科設(shè)置的影響下，設(shè)計(jì)的概念日趨寬泛。跨學(xué)科的研究視角，使得設(shè)計(jì)學(xué)不再局限于傳統(tǒng)的美學(xué)和形式探討，而是能深入社會(huì)、經(jīng)濟(jì)、文化等多個(gè)層面，揭示設(shè)計(jì)與這些領(lǐng)域之間的內(nèi)在聯(lián)系與互動(dòng)機(jī)制。大數(shù)據(jù)和生成式人工智能的結(jié)合，能夠更加精準(zhǔn)地把握設(shè)計(jì)的本質(zhì)和規(guī)律，也推動(dòng)了設(shè)計(jì)學(xué)與其他學(xué)科的交叉融合。通過與這些學(xué)科的對(duì)話與交流，設(shè)計(jì)學(xué)研究得以站在一個(gè)更加全面和深入的視角，審視和理解設(shè)計(jì)的復(fù)雜性和多樣性。在大數(shù)據(jù)的浩瀚海洋中，設(shè)計(jì)學(xué)找到了前所未有的研究資源，每一份數(shù)據(jù)都如同設(shè)計(jì)元素的微粒，相互關(guān)聯(lián)、交織成網(wǎng)，構(gòu)成了設(shè)計(jì)的復(fù)雜生態(tài)系統(tǒng);而生成式人工智能則如同設(shè)計(jì)師的得力助手，能夠從這些數(shù)據(jù)中洞察設(shè)計(jì)的內(nèi)在邏輯與未來趨勢(shì)，為設(shè)計(jì)創(chuàng)新注入源源不斷的靈感。

4 結(jié) 語(yǔ)

人工智能輔助技術(shù)可從流行趨勢(shì)分析、設(shè)計(jì)方案優(yōu)化、工作流程變革等多元層面優(yōu)化服裝設(shè)計(jì)模式，人工智能技術(shù)及大數(shù)據(jù)的應(yīng)用揭示著設(shè)計(jì)與多元領(lǐng)域的內(nèi)在聯(lián)系，有助于轉(zhuǎn)變?cè)O(shè)計(jì)思維、拓展服裝設(shè)計(jì)方法與尺度。設(shè)計(jì)思維的重構(gòu)體現(xiàn)在對(duì)數(shù)據(jù)和智能技術(shù)的重視上，傳統(tǒng)的設(shè)計(jì)思維強(qiáng)調(diào)創(chuàng)意和審美，而在數(shù)據(jù)智能時(shí)代設(shè)計(jì)師不僅需要運(yùn)用創(chuàng)造力和審美觀念，還需要擅于利用大數(shù)據(jù)和智能算法進(jìn)行洞察和分析，從而更加準(zhǔn)確地把握市場(chǎng)趨勢(shì)和需求。設(shè)計(jì)方法不斷變革，從過去修改過程煩瑣且容錯(cuò)率較低的手繪設(shè)計(jì)，發(fā)展至通過計(jì)算機(jī)繪圖軟件輕松地調(diào)整顏色、大小、形狀等參數(shù)，實(shí)現(xiàn)更加高效和精確且多樣化的設(shè)計(jì)效果;再到基于機(jī)器學(xué)習(xí)的算法可更快速地創(chuàng)意生成和方案評(píng)估，減少人工的煩瑣工作提高創(chuàng)作效率，一定程度上消弭了設(shè)計(jì)與繪畫之間的某些技術(shù)和時(shí)間約束，提供了更加高效和便捷的創(chuàng)作工具。設(shè)計(jì)師只需要提供一些基本的設(shè)計(jì)要求和參數(shù)，AIGC訓(xùn)練與生成技術(shù)就可以自動(dòng)生成多個(gè)符合要求的設(shè)計(jì)方案。盡管AI繪畫技術(shù)能夠在設(shè)計(jì)過程中提供便利和靈感，但需要對(duì)生成的圖像進(jìn)行適當(dāng)?shù)母倪M(jìn)和調(diào)整，以確保其符合實(shí)際設(shè)計(jì)需求。

智能時(shí)代的設(shè)計(jì)工作注重跨學(xué)科合作和技術(shù)整合，設(shè)計(jì)師需要與技術(shù)專家、數(shù)據(jù)分析師等合作，以設(shè)計(jì)思維整合智能技術(shù)應(yīng)用。可以預(yù)見，隨著大數(shù)據(jù)人工智能在設(shè)計(jì)藝術(shù)領(lǐng)域的滲透，將產(chǎn)生新的藝術(shù)形態(tài)和設(shè)計(jì)表達(dá)，人工智能和大數(shù)據(jù)的出現(xiàn)并不會(huì)完全取代傳統(tǒng)設(shè)計(jì)形態(tài);隨著人工智能的發(fā)展，新的設(shè)計(jì)形式也將不斷耦合，以滿足新的社會(huì)因素、觀念和需求。

參考文獻(xiàn)：

［1］朱偉明， 張凈雪. 基于用戶大數(shù)據(jù)的服裝設(shè)計(jì)交互研究［J］. 浙江理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2022， 48（2）： 222-229.

ZHU W M， ZHANG J X. Research on interaction of clothing design based on users’ big data［J］. Journal of Zhejiang Sci-Tech University （Social Sciences）， 2022， 48（2）： 222-229.

［2］吳瓊. 人工智能時(shí)代的創(chuàng)新設(shè)計(jì)思維［J］. 裝飾， 2019（11）： 18-21.

WU Q. Innovative design thinking in the era of artificial intelligence［J］. ZHUANGSHI， 2019（11）： 18-21.

［3］詹希旎， 李白楊， 孫建軍. 數(shù)智融合環(huán)境下AIGC的場(chǎng)景化應(yīng)用與發(fā)展機(jī)遇［J］. 圖書情報(bào)知識(shí)， 2023， 40（1）： 75-85.

ZHAN X N， LI B Y， SUN J J. Application scenarios and development opportunities of AlGC in the digital intelligence integration environment［J］. Documentation， Information amp; Knowledge， 2023， 40（1）： 75-85.

［4］杜雨， 張孜銘. AIGC： 智能創(chuàng)作時(shí)代［M］. 北京： 中譯出版社， 2023.

DU Y， ZHANG Z M. AIGC： The Age of Intelligent Creation［M］. Beijing： China Translation amp; Publishing House， 2023.

［5］WU J J， ZHANG C K， XUE T F， et al. Learning a probabilistic latent space of object shapes via 3D generative-adversarial modeling［J］. Advances in Neural Information Processing Systems， 2016， 29： 1-9.

［6］李敏， 劉冰清， 彭慶龍， 等. 基于CycleGAN算法的迷彩服裝圖案設(shè)計(jì)方法研究［J］. 絲綢， 2022， 59（8）： 100-106.

LI M， LIU B Q， PENG Q L， et al. A camouflage suit pattern design based on the CycleGAN algorithm［J］. Journal of Silk， 2022， 59（8）： 100-106.

［7］賈靜， 曹竟文， 徐平華， 等. 基于京劇臉譜意象色彩的服飾紋樣自動(dòng)配色［J］. 紡織學(xué)報(bào)， 2022， 43（12）： 160-166.

JIA J， CAO J W， XU P H， et al. Automatic coloration of clothing pattern based on color parsing of Peking Opera masks［J］. Journal of Textile Research， 2019， 43（12）： 160-166.

［8］TANG H， GENG G H， ZHOU M Q. Application of digital processing in relic image restoration design［J］. Sensing and Imaging， 2020（21）： 1-10.

［9］HO J， JAIN A， ABBEEL P. Denoising diffusion probabilistic models［J］. Advances in Neural Information Processing Systems， 2020（33）： 6840-6851.

［10］于鵬， 張毅. 從特征辨識(shí)到圖像生成： 基于AIGC范式的苗族服飾設(shè)計(jì)［J］. 絲綢， 2024， 61（3）： 1-10.

YU P， ZHANG Y. From feature recognition to image generation： Miao ethnic costume design based on the AlGC paradigm［J］. Journal of Silk， 2024， 61（3）： 1-10.

［11］潘魯生. 數(shù)字時(shí)代的設(shè)計(jì)變革［J］. 藝術(shù)設(shè)計(jì)研究， 2023（4）： 86-91.

PAN L S. Design change in the digital age［J］. Art amp; Design Research， 2023（4）： 86-91.

［12］陶鋒， 梁正平. 設(shè)計(jì)與理性： 人工智能設(shè)計(jì)的美學(xué)反思［J］. 中國(guó)文藝評(píng)論， 2023（10）： 32-46.

TAO F， LIANG Z P. Design and rationality： Aesthetic reflections on artificial intelligence design［J］. China Literature and Art Criticism， 2023（10）： 32-46.

［13］劉芳， 王遵富， 梁曉婷. 文化大數(shù)據(jù)與智能設(shè)計(jì)平臺(tái)綜述［J］. 包裝工程， 2021， 42（14）： 1-8.

LIU F， WANG Z F， LIANG X T. Review on cultural big data and intelligent design platform［J］. Packaging Engineering， 2021， 42（14）： 1-8.

［14］楊煥. 數(shù)據(jù)與設(shè)計(jì)的融合： 大數(shù)據(jù)分析導(dǎo)出用戶需求洞察的創(chuàng)新路徑研究［J］. 裝飾， 2019（5）： 100-103.

YANG H. The integration of data and design： The innovation path research of user requirement insight through big data analysis［J］. ZHUANGSHI， 2019（5）： 100-103.

［15］羅仕鑒， 王瑤. 智能制造時(shí)代下的設(shè)計(jì)建構(gòu)論［J］. 機(jī)械設(shè)計(jì)， 2023， 40（11）： 141-146.

LUO S J， WANG Y. Design constructionism in the context of intelligent manufacturing［J］. Journal of Machine Design， 2023， 40（11）： 141-146.

The application of big data-driven generative AI in fashion design： Taking Midjourney as an example

ZHANG Chi， WANG Xiangrong

YU Jiabei， ZHU Weiming

（School of Fashion Design and Engineering， Zhejiang Sci-Tech University， Hangzhou 310018， China）

Abstract： With the rise of big data technology and the continuous optimization of deep learning algorithms， generative intelligence is reshaping various industries at an unprecedented speed， expanding the scale and possibilities of design， and showing its potential in innovative applications. This paper aims to explore the relationship between big data and generative intelligence， analyze the status quo of technology development and its application in vertical fields， and deduce the transformation of design process based on this.

Using the method of combining literature research and case analysis， this paper firstly analyzes the development and application status of big data and generative intelligence technology. Secondly， Midjourney is taken as an example to summarize the fashion design mode in the era of data and intelligence for different application scenarios. AI can assist designers to quickly generate diverse design solutions， and promote the transformation of design from human-led to human-machine collaboration. Midjourney can quickly realize clothing pattern design， clothing effect drawing generation， virtual model image design and create clothing display space.

Based on the double diamond design model， the four-diamond diagram of the design process in the intelligent age is proposed. The process combines the application of data-driven prediction and intelligent technology to verify the reconstruction of design thinking， the reform of design methods and the transformation of design research perspective in the intelligent age. The process integrates the cycle of data insight， intelligent generation， design verification and feedback optimization， showing the systematic upgrade path of the design process in the intelligent era.

Under the integration of super-disciplines， big data provides massive information for design science to accurately grasp the design trend， and generative intelligence provides a new perspective for design science with its learning and innovation ability， extends the design boundary， and becomes a bridge connecting humanities， society， nature and other fields. For designers， from hand-drawing to computer drawing， and with the help of machine learning to accelerate creative output， AI technology has simplified the design process and greatly improved design efficiency and diversity， but it still needs to be manually screened and adjusted to ensure practicality. It is foreseeable that with the penetration of big data artificial intelligence in the field of design art， new art forms and design expressions will be produced， but the emergence of artificial intelligence and big data will not completely replace traditional design forms. With the development of artificial intelligence， new design forms will continue to be coupled to meet new social factors， concepts and needs.

Key words： big data; artificial intelligence; generative intelligence; design patterns; clothing design; Midjourney