服裝風格遷移技術特征對設計師使用意愿的影響

關鍵詞：服裝風格遷移技術；技術特征;技術接受模型;刺激-機體-反應模型；設計師；使用意愿中圖分類號：TS941.1 文獻標志碼：A 文章編號：1001-7003（2025）08-0080-11DOI：10.3969/j.issn.1001-7003.2025.08.010

近年來，隨著計算機視覺在時尚行業的發展[1]，技術手段輔助設計師進行創作已成為服裝設計過程中比較重要的部分。關于計算機視覺的研究大多集中在服裝檢索2、服裝推薦[3]服裝屬性識別[4]、虛擬試穿[5]等方面，其中風格遷移技術是計算機視覺領域重點研究內容之一，雖然其在時尚領域的應用取得了長足進步[6]，但是當前設計師對該技術的使用仍然困囿于諸多問題[7]。因此，探究服裝風格遷移技術對設計師使用意愿的影響有助于為設計師迭代和探索更廣泛的設計提供可能，與此同時，也能進一步提高設計師應對時尚市場快速變化的能力。

服裝風格遷移技術（Clothing Style Transfer Technology，CSTT）是屬于圖像處理領域里的一種新方法，是指利用計算機算法將一張服裝圖片中的某些設計要素（如顏色、紋理、款式、配飾等）轉移到另一張服裝圖片上，通過提取源圖像和目標圖像的特征，并計算它們的紋理、形狀和顏色等統計特征，使用遷移算法生成一個新的具有指定屬性的服裝圖片[8]。這樣既保留了目標圖像的空間結構和物體形狀，又擁有源圖像所定義的風格和紋理。這種技術主要應用于服裝設計、服裝電子商務、虛擬試衣等方面。

目前，諸多學者已經對服裝風格遷移技術的研發進行了較為深入的研究，但鮮有對服裝風格遷移技術的使用意愿進行研究。XintongHan等9的方法是將目標服裝覆蓋至源圖像人體中生成粗糙的合成圖像，再通過細化網絡對服裝進行優化處理。DateP等[1o]通過從用戶衣柜中學習用戶的時尚選擇，構建了一種個性化生成定制服裝的方法。徐暢[1構建了一種多風格融合的服裝快速遷移網絡，通過不同服裝元素的融合，實現了服裝手稿及服裝款式元素的快速遷移，輔助設計師設計服裝款式。另一方面，以往的研究通常是從單一的理論模型出發來探索用戶對于新技術的使用意愿，如葉晶等[12]通過采用技術接受模型探討不同因素對虛擬試衣使用意愿的影響，尹朋珍等[13]基于刺激-機體-反應模型，構建了一個考慮虛擬現實技術的情景特征及使用特征和心流體驗對消費者購買意愿的影響的理論模型。這些研究雖然采用問卷調查形式來探究新技術與使用意愿之間的關系，但大多側重于消費者意愿，在解釋用戶對新技術的使用意愿方面是有限的。

風格遷移技術對輔助服裝設計領域至關重要，它有助于加快服裝設計和構思的過程，對快速發展且不斷變化的服裝產業具有極其重要的推動作用。為了能夠更加深入和全面地了解設計師對新技術的使用意愿，本文將技術接受模型（TheTechnologyAcceptanceModel，TAM）與“刺激-機體-反應\"模型（Stimuli-Organism-Response，SOR）相結合，通過問卷調研的方法構建設計師對服裝風格遷移技術的使用意愿測量量表，根據模型檢驗結果提出針對性的建議，幫助服裝企業和技術開發者更好地理解設計師的需求，為優化技術性能和提升使用體驗提供參考。同時，希望能夠為服裝設計領域的技術應用提供理論支持和實踐指導，進一步推動服裝設計效率的提升和時尚產業的創新發展。

1理論基礎和研究假設

1.1 研究維度劃分

Jakob[14]基于高效性、準確性和滿意度的原則，從以下方面考察產品的可用性：易學性、高效性、可記憶性、準確性和滿意度。DeLone等[15]提出了技術信息系統的用戶評價標準模型，該模型表明，用戶在準確性、響應性和兼容性等方面所提出的高標準需求，直接反映了技術在滿足用戶期望方面所展現出的準確性、響應性和一致性。Yuan等[16]認為，用戶接受意愿主要從其以下幾點出發：準確性、響應能力、兼容性、擬人化和親和力。根據Minjee等[17]的研究，為用戶提供準確的信息，可以喚起他們的依賴和用戶感知方面的積極態度。劉夢林等[18]強調了服裝圖像款式及輪廓識別提取對于提高設計效率的重要性。這一效率提升直接關聯到DeLone和McLean模型中響應性的概念，即服裝風格遷移技術需具備快速響應設計需求的能力，即時反饋風格遷移結果，以加速設計迭代過程，滿足設計師對高效創作流程的追求。如文獻[19]所示，響應能力提供了及時的服務，并有助于提高用戶對產品效用的整體評價。因此，本文用高效性代替響應性。此外，Lamb等[20]提出了以消費者需求為主的“功能性、表達性、審美性”（Functional，Expressive，Aesthetic，FEA）服裝設計模型，認為服裝產品開發的設計要素模型中，功能性、表達性、審美性是設計師進行創新設計的重要維度。兼容性確保了技術與設計師基于既有經驗的無縫銜接[21]，推動了用戶的采用[22]。

基于以上對服裝風格遷移技術的特征分析，接下來采取專家訪談法對以上因素進行驗證。本次訪談的對象為包括六位專注于計算機視覺、圖像處理等領域的高校教授與研究生，一位服裝產業管理人員，以及一位經驗豐富的服裝設計師，共計八位專家。訪談采取了面談、電話訪談及微信訪談等多種形式，每位專家的訪談時間約 30min ，確保了信息的深度獲取與高效溝通。在訪談之前，向專家說明此次訪談的目的及內容，經過專家的同意后，根據專家的要求選取訪談的主要方式進行，其間進行筆記與錄音記錄。訪談結束后，對記錄筆記與錄音進行整理，分析語境，提煉關鍵詞與關鍵語句。具體訪談內容整理如表1所示。

表1專家訪談內容

Tab.1Content of expert interview

因此，基于以上研究及歸納分析并結合專家訪談的內容，本文從四個維度對服裝風格遷移技術的特征進行了分類：準確性、高效性、審美性及兼容性。

1.2 SOR模型及相關假設

SOR模型是由著名學者Albert Mehrabian和James A.Russell于1974年提出，主要包括刺激變量、機體變量和反應變量三部分，其中“ s^′′ （Stimulation）指刺激，產生于組織內外部環境；“ o ”（Organization）指機體，反映個體在環境刺激下的內在情緒;“R”（Reaction）指用戶情緒所引發的各種內外反應。在SOR模型中，環境的各個方面作為刺激因素，能夠引起機體的變化。在服裝風格遷移技術的背景下，刺激可以包括服裝風格遷移的技術屬性，并可能影響設計師的體驗，從而引發設計師的反應，如使用意愿[23]。

準確性關注的是遷移過程的精確性和正確性[24]。鄧勝利等[25]研究發現，準確性通過影響感知有用性從而對提問意愿產生影響。準確性是服裝風格遷移技術成功的關鍵要素，它直接影響轉移樣式的質量和保真度[26]，如果該技術的準確性不足，轉移后的樣式質量就會大打折扣，導致用戶對技術能力的信任度下降，從而增加感知風險。因此，本文提出假設：

Hla：準確性正向影響感知有用性。

H1b：準確性正向影響感知易用性。

Hlc：準確性負向影響感知風險。

高效性指遷移過程中設計師的指令被執行的效率和速度[14]。Tayeba等[27]研究表明，效率對感知有用性有積極和顯著的影響。因此，本文提出假設：

H2a ：高效性正向影響感知易用性。

H2b：高效性正向影響感知有用性。

H2c：高效性負向影響感知風險。

審美性主要指在服裝設計中，通過對各種設計元素的使用，如線條、廓形、顏色、紋理、圖案等創造一個令人愉悅的設計[28]。Lazard等[29]認為審美性是影響最終產品可接受性的重要因素。因此，本文提出假設：

H3a：審美性正向影響感知易用性。

H3b：審美性正向影響感知有用性。

H3c：審美性負向影響感知風險。

兼容性指風格遷移技術與設計師現有的設計過程和工作流程的一致程度，強調的是設計師對該技術與設計實踐整合程度的看法。 Shin^[30] 通過探究用戶對電商網站的持續使用行為，發現兼容性與持續使用意愿有顯著正相關。李夢吟等[31]研究發現，兼容貫通對感知易用性有積極影響。陳湘青[32]提到O2O電商的兼容程度對感知易用性有正向影響。因此，本文提出假設：

H4a ：兼容性正向影響感知易用性。

H4b：兼容性正向影響感知有用性。

H4c：兼容性負向影響感知風險。

1.3 TAM模型及相關假設

Davis[33]基于理性行為理論提出了TAM模型，它解釋了用戶對信息技術等創新技術的接受態度和行為。目前，TAM模型已被廣泛用于評估用戶對時尚產業中與技術相關元素的接受程度[34-35]。服裝風格遷移技術作為時尚行業的前沿技術，運用TAM模型進行研究是可行的。因此，本文中TAM模型被用于了解設計師對服裝風格遷移技術的認知，以及他們對該技術的態度與使用意愿。

TAM模型的兩個關鍵因素是感知有用性和感知易用性。Davis[33]定義感知有用性為用戶對使用技術能提高工作績效的期望，感知易用性為設計師使用服裝風格遷移技術進行輔助設計的容易程度。王思懿[23]在研究親子智能服裝時發現，感知有用性影響消費者的購買態度和意愿。Hwang等[36]研究發現，感知易用性正向影響感知有用性。因此，本文提出假設：

H5：感知有用性正向影響設計師使用意愿。

H6：感知易用性正向影響感知有用性。

H7：感知易用性正向影響設計師使用意愿。

TAM理論中認為，感知到的有用性和感知到的易用性這兩個特定的概念與技術接受度具有主要相關性。除了這兩個主要概念外，還添加了感知風險來擴展原始的TAM模型[37-38]。感知風險這一概念，由哈佛大學學者 Bauer于 1960年首次提出，它代表了用戶對不確定性或預期損失的感受。通常，感知風險對新技術的采用具有負面影響[39-40]，當感知風險增強時，用戶的使用意愿會相應減弱[41]。易益[42]的研究表明，感知風險與品牌購買意愿之間存在負相關關系。當消費者面對不同類型的品牌危機時，消費者所感受到的風險不同，從而影響其態度。因此，本文提出假設：

H8：設計師對服裝風格遷移技術的感知風險與使用意愿負相關。

綜合上述理論基礎和相關假設，本文以技術接受模型和刺激-機體-反應模型為基礎建立服裝風格遷移技術使用意愿理論模型，實線為正向因果關系，虛線為負向因果關系，如圖1所示。

圖1 研究模型

Fig.1Research model

2研究設計

2.1測量變量的選擇與測度

本文結合現有文獻中對服裝風格遷移技術的研究，從上述分析中將準確性（ECC）、高效性（AFF）、審美性（AES）及兼容性（COM）四個維度作為SOR模型中“刺激”的測量維度，再根據TAM模型及相關文獻提煉出感知有用性（PU）、感知易用性（PE）、感知風險（PR）與使用意愿（UI）維度作為衡量“機體”和“反應”的維度，最終得到包含8個維度，26個題項的測量量表，以衡量設計師對于服裝風格遷移技術的使用意愿，如表2所示。題項測量采用季克特五級量表，1～5分別對應于“非常不同意”“不同意”“中立”“同意”及“非常同意”。

表2測量題項及參考文獻

Tab.2Measurement indicators and references

2.2問卷設計與數據收集

本次問卷調查主要采用網絡問卷調查的方式，在問卷中特別強調參與調研的設計師應具備實際使用服裝風格遷移技術的經歷，因為技術的實際應用頻率和設計師的熟悉程度對評價結果有著重要影響。問卷通過問卷星平臺發放，數據收集時間為2023年11月—2024年3月，共發放問卷580份。為了保證數據的有效性和針對性，在問卷開始前設置了背景篩查問題，以確認每位參與者都有實際操作服裝風格遷移技術的經驗。任何缺乏相關經驗的參與者將被標記為不符合調研條件，其問卷將不被計入有效數據。剔除無效問卷后，問卷數量464份，有效回收率 80% ，有效樣本數量滿足測量題項5倍的要求。具體的樣本描述性統計分析結果如表3所示。

3研究假設檢驗

3.1 信度分析

利用SPSS26對問卷數據的克隆巴赫Alpha系數進行檢驗，得到各個變量的克隆巴赫Alpha系數如表4所示。由表4可見，各個變量的克隆巴赫Alpha系數均大于0.8，且刪除某一項后的克隆巴赫Alpha系數與目前的克隆巴赫Alpha系數相比并無明顯提升，說明問卷數據的信度較好。

表3樣本的描述性統計結果Tab.3Descriptive statistics of samples

表4信度分析

Tab.4Reliability analysis

3.2 效度分析

3.2.1 探索性因子分析

首先，對問卷進行效度檢驗。結果顯示，模型的KMO的值為0.909，巴特利特球形檢驗的顯著性為0.000，表明問卷數據適合進行因子分析。然后，利用SPSS26對樣本數據進行探索性因子分析，根據表5可以判斷各個題目的因子歸屬，由此可知，所提取的因子均與各個變量所對應的題項一致。因此，探索性因子分析檢驗合格。

表5旋轉后的成分矩陣

Tab.5Rotated component matrix

3.2.2 驗證性因子分析

對量表進行驗證性因子分析，檢驗探索性因子分析所提取的因子與相對應的題項之間的關系是否符合所設計的理論關系。驗證性因子分析主要分三個部分，分別為結構效度分析、收斂效度分析和區別效度分析。

1）結構效度。擬合度標準和模型擬合度結果如表6所示。由表6可知，測量模型的 X²/df 的取值為2.027，一般認為卡方/df的取值在1～3，模型適配理想;RMSEA的取值為0.047，一般認為當RMSEA小于0.O80時，模型適配理想；GFI和CFI的值均大于 0.900 。由此可見，測量模型適配度理想。

表6測量模型擬合度指標Tab.6Measuredmodel fitindex

2）收斂效度。收斂效度是指各個題項反映出的所對應變量的因子載荷系數大小，一般認為，在驗證性因子分析中，當標準化回歸系數（Estimate）大于0.500，平均方差提取值（AVE）大于0.500，臨界比值（ ∣CR? 大于0.700，說明研究數據具有很好的收斂效度。本文的數據收斂效度分析結果如表7所示，可見各個變量的標準化回歸系數均大于 0.700，AVE 值均大于0.500，CR值均大于0.800，因此本文的數據收斂效度檢驗合格。

3）區分效度。研究數據的區分效度分析結果如表8所示，各個變量之間具有顯著的相關性，其各個變量之間的相關性系數絕對值均小于其所對應的AVE平方根，表明各個變量之間具有一定的相關性，又有一定的區分度。因此，本文的研究數據具有良好的區分效度。

3.3 共同方法偏差檢驗

本文采用Harman單因子檢驗方法，借助SPSS軟件對所有參與假設檢驗的量表題目一起做EFA分析，結果顯示未經旋轉的第一個因子方差解釋度為 38.005% ，低于 40% 。一般認為當第一個因子的方法結實率小于 40% 時，則說明數據不存在共同方法偏差。

3.4結構方程模型檢驗

結構方程模型是測量不同變量之間關系的一種分析方法。本文的研究數據已經通過了信效度檢驗，具備良好的信度與效度。因此，根據研究假設，本文利用AMOS26構建了結構方程模型，以此來驗證自變量和因變量之間的關系。由圖2可知，結構方程模型建立了8個變量，26個觀察變量和30個殘差變量。

表7收斂效度

Tab.7 Convergence validity

表8區分效度Tab.8Discriminative validity

注：***代表 plt;0.001 ；對角線為AVE平方根。

圖2結構方程模型

Fig.2Structural equation modeling

3.4.1模型擬合度分析

模型擬合度常被用來判斷假設與研究數據之間的適配程度。本文選取卡方自由度比值（卡方/df等擬合度指標來檢驗研究模型的擬合度，模型擬合度和各個評價指標的標準值如表9所示。由表9可見，經過模型擬合度的各項指標已經全部達到擬合標準，說明研究模型的擬合度良好。

3.4.2路徑分析

研究模型的路徑系數顯著性是通過臨界比值（C.R.）和 p 值來體現的，當臨界比值的絕對值大于1.960時，則表示路徑系數達到了0.050的顯著性水平。研究模型的路徑分析結果如表10所示。

表9模型擬合度指標Tab.9 Model fitindex

表10路徑系數與假設檢驗

Tab.10Path coefficients and hypothesis testing

注：***代表 ρlt;0.001 ^** 代表 plt;0.010 ；*代表 ρlt;0.050AA

路徑分析結果顯示，高效性對感知易用性的正向影響最顯著（路徑系數為0 .387，plt;0.001 ），其次是兼容性（路徑系數為 0.187，plt;0.01 ），審美性的影響接近顯著（路徑系數為0.125 ，p=0，059 ），而準確性的影響不顯著（路徑系數為0.062，p=0.378 ）。在感知有用性方面，高效性（路徑系數為0.217，plt;0.01 ）和審美性（路徑系數為 0.165，plt;0.05 ）均對其產生顯著的正向影響，而準確性（路徑系數為 0.124，p= 0.081）與兼容性（路徑系數為 0.090，p=0.162 ）對感知有用性的影響不顯著。審美性（路徑系數為-0.331， plt;0.001 ）、兼容性（路徑系數為 -0.230，plt;0.001 ）和高效性（路徑系數為-0.262，plt;0.001 ）對感知風險均具有顯著的負向影響。準確性對感知風險的影響不顯著（路徑系數為 -0.029，p=0.672? 。

對于使用意愿，感知有用性（路徑系數為 0.158，plt;0.01 和感知易用性（路徑系數為 0.363，plt;0.001 ）均對其產生顯著的正向影響。感知風險對使用意愿具有顯著的負向影響（路徑系數為 -0.378，plt;0.001? 。綜上，假設H2a、H2b、H2c、H3b、H3c、 H4a 、H4c、H5、H6、H7、H8 成立，H1a、H1b、H1c、H3a、H4b 不成立。

3.5 中介效應檢驗

利用Amos進行Bootstrap中介效應檢驗，其判斷原理為95% 置信區間是否包括0，如果包括0則說明不存在中介效應，如果不包括0則說明存在中介效應。中介效應檢驗結果如表11所示。

表11中介效應檢驗

Tab.11Mediatoreffecttest

結果顯示，感知有用性、感知易用性和感知風險在高效性對使用意愿的中介作用中，bootstrap 95% 置信區間分別為（0.007，0.091）、（0.084，0.231）、（0.050，0.172），均不包含0，表明高效性可以通過感知有用性、感知易用性和感知風險間接預測使用意愿，中介效應值分別為 0.036，0.147 和 0.104 。感知有用性、感知風險在審美性對使用意愿的中介作用中，bootstrap 95% 置信區間分別為（0.004，0.068）、（0.061，0.195），均不包含0，表明審美性可以通過感知有用性和感知風險間接預測使用意愿，中介效應值分別為0.024和0.117；但感知易用性在審美性對使用意愿的中介作用中，bootstrap 95% 置信區間為 （ε-0.006，0.109） ，包含0，表明審美性不能通過感知易用性間接預測使用意愿，中介效應不顯著。感知易用性、感知風險在兼容性對使用意愿的中介作用中，bootstrap 95% 置信區間分別為（0.019，0.125）、（0.038，0.139），均不包含0，表明兼容性可以通過感知易用性和感知風險間接預測使用意愿，中介效應值分別為0.063和 0.082 。但感知有用性在兼容性對使用意愿的中介作用中，bootstrap 95% 置信區間為（-0.004，0.048），包含0，表明兼容性不能通過感知有用性間接預測使用意愿，中介效應不顯著。另外，感知有用性、感知易用性和感知風險在準確性對使用意愿的中介作用中，bootstrap95% 置信區間分別為（-0.001，0.06）（-0.031，0.081）、（2 （ε-0.041，0.063） ，均包含0，表明準確性不能通過感知有用性、感知易用性和感知風險間接預測使用意愿，中介效應不顯著。

4分析與建議

1）基于TAM模型與SOR理論的服裝風格遷移技術使用意愿模型和量表具有可行性。根據上述統計分析結果可知，信度、效度、擬合度與關系系數分析結果符合檢驗標準，基于TAM模型與SOR理論的服裝風格遷移技術使用意愿模型和量表具有可行性，可為后續理論研究、服裝企業進行服裝款式開發及其評價提供參考依據。

2）服裝風格遷移技術特征對感知有用性、感知易用性與感知風險的影響。首先，高效性顯著正向影響感知有用性和感知易用性；審美性顯著正向影響感知有用性，但對感知易用性的影響不顯著，表明審美性主要提升了設計師對技術價值的認可，而非操作的便捷性；兼容性顯著正向影響感知易用性，但對感知有用性的影響不顯著，說明技術與現有工作流程的兼容性提升了使用的便利性，但這并不直接轉化為設計師對技術實際價值的更高評價，兼容性更多體現在技術使用的流暢性和學習成本的降低上，而非技術本身的功能性價值。此外，高效性、審美性與兼容性均對感知風險產生了顯著的負向影響，與之前的研究結論一致，當技術在這些方面表現出色時，設計師對技術可能帶來的不確定性或潛在損失的擔憂會顯著降低。然而，準確性對設計師的感知有用性、感知易用性的正向影響不顯著，且對感知風險的負向影響也不顯著，這一結果可能是因為在服裝設計領域，準確性在實際應用中的相對重要性被其他更受關注的技術特性所掩蓋，且技術復雜性和數據質量問題進一步削弱了準確性對設計師感知的顯著影響。

3）感知有用性、感知易用性與感知風險對使用意愿的影響。感知有用性和感知易用性對使用意愿均產生了顯著的正向影響，當設計師認為技術能夠提升其工作效率且易于操作時，他們更有可能實際使用這項技術。這種正向關系凸顯了技術的實際應用價值和用戶體驗在促進技術采納中的關鍵作用。感知風險對使用意愿產生了顯著的負向影響，設計師對技術可能帶來的不確定性或潛在損失的擔憂會顯著降低其使用意愿，這種負向關系強調了降低技術使用風險在促進技術采納中的重要性。企業和技術開發者需要通過提升技術的可靠性、兼容性和審美性，減少設計師對技術風險的感知，從而增強其使用意愿。

針對以上研究發現，本文提出以下幾個具體的策略建議，旨在幫助服裝企業和技術開發人員有效提升設計師對服裝風格遷移技術的使用意愿，并推動該技術在服裝設計領域的廣泛應用。1）提升技術性能，優化算法，確保技術能夠快速生成設計結果并與現有設計工具無縫對接，提升設計師的感知易用性和有用性。同時，通過與時尚設計師合作，提升技術生成結果的審美價值，確保其符合市場趨勢，增強設計師的使用意愿。2）增強培訓與支持，企業應通過提供技術培訓、技術支持和成功案例展示等方式，減少設計師對技術不確定性的擔憂。通過培訓，設計師能夠更快掌握技術的使用方法，降低學習曲線。3）優化風險管理與溝通，通過成功案例展示和技術試用期，減少設計師對技術不確定性的擔憂。定期收集設計師的反饋，了解其需求，優化技術以滿足實際設計需求，降低感知風險。4）建立用戶反饋與迭代機制，鼓勵設計師提供反饋，以便技術開發者能夠根據實際使用體驗進行迭代優化，進一步提升技術的實用性和吸引力，有助于確保技術發展與設計師需求保持同步。

在未來的服裝款式創作領域，多元化、個性化和智能化的發展趨勢將愈發明顯。這些新興趨勢不僅為服裝行業帶來了前所未有的機遇，同時也帶來了前所未有的挑戰。因此，為了更好地應對這些機遇與挑戰，相關人員有必要進一步研究設計師對風格遷移技術的需求和期望，以及技術發展的趨勢和挑戰。通過深入的研究和探索，期望能夠為設計師和企業提供更具價值的建議和指導，從而推動服裝風格遷移技術的進

一步發展和應用。

5結語

本文通過構建基于技術接受模型（TAM）和刺激-機體-反應模型（SOR）的理論框架，深入探討了服裝風格遷移技術的技術特征對設計師使用意愿的影響。通過對464份研究問卷調研數據分析和實證結果，系統考察了高效性、審美性、兼容性、準確性、感知有用性、感知易用性與感知風險等因素對使用意愿的影響。研究結果表明，高效性與兼容性會對感知易用性產生顯著正向作用，高效性與審美性會對感知有用性產生顯著正向作用，而準確性影響未達顯著水平。高效性、審美性和兼容性可通過感知有用性與感知易用性的中介作用提升設計師使用意愿，也可以通過感知風險的中介作用負向影響使用意愿。

本文雖然調查出了設計師對服裝風格遷移技術使用意愿的影響因素，但仍存在一些局限性，一是通過問卷調查收集的答復可能會受到答復偏差和社會期望偏差的影響，影響報告結果的準確性。二是未探明消費者與企業的參與對于設計師采用該技術的影響。未來的研究可以通過引入消費者與企業的參與，進一步深化對設計師使用意愿的理解，從而為技術的優化和普及提供更有力的支持。

《絲綢》官網下載 中國知網下載

參考文獻：

[1]BENGIOYS，LECUNY，HINTONG，etal.Deep learning[J].Nature，2015，521（7553）：436-444.

[2]陳雙，何利力，鄭軍紅．基于深度學習的服裝圖像檢索方法[J]．計算機系統應用，2019，28（3）：229-234.CHENS，HELL，ZHENGJH.Clothing imageretrieval method based ondeeplearning[J].ComputerSystemsamp;Applications，2019，28（3）：229-234.

[3]呂海清，朱欣娟，趙雪青，等.基于三維人臉特征的服裝個性化推薦及虛擬展示[J].紡織高校基礎科學學報，2018，31（3）：317-325.LUHQ，ZHU XJ，ZHAO XQ，etal.Clothing recommendationand virtualdisplay forpersonalized customizationbasedon 3D facemodelingfeatures[J].BasicSciencesJournalofTextileUniversities，2018，31（3）：317-325.

[4]張萌巖，何儒漢，詹偉，等.基于改進的殘差神經網絡的服裝標簽屬性識別[J].計算機與數字工程，2019，47（4）：933-939.ZHANGMY，HERH，ZHANW，etal.Recognition of clothing tagattributebased on improved residual neural network[J].Computeramp;Digital Engineering，2019，47（4）：933-939.

[5]ZHUXJ，LU HQ，RATSCH M. An interactive clothing design andpersonalized virtual displaysystem[J].Multimedia ToolsandApplications，2018，77（20）：27163-27179.

[6]柯廷豐.基于深度學習的服裝風格遷移技術研究[D].武漢：武漢紡織大學，2024.KETF.Research on Cloting Style Transfer Technology Based on DeepLearing[D].Wuhan：WuhanTextileUniversity，2024.

[7]張功.基于GAN服裝款式和圖案風格遷移的研究與應用[D].大連：大連工業大學，2023.ZHANG G. Research and Application of Clothing Style and Pattrn StyleTransferBasedonGAN[D].Dalian：DalianPolytechnicUniversity，2023.

[8]陳佳，董學良，梁金星，等.基于注意力機制的CycleGAN服裝局部風格遷

移研究[J]．計算機工程，2021，47（11）：305-312. CHENJ，DONG XL，LIANG JX，et al.Research on the local style transfer ofclothing imagesby CycleGAN based on atentionmechanism[J].Computer Engineering，2021，47（11）： 305-312.

[9]HAN X T，WU Z，WU Z，et al.Viton：An image-based virtual tryonnetwork[C]/ Proceedings of the IEEE conference on computer vision and patternrecognition.2018：7543-7552.

[10]DATE P， GANESAN A， OATES T. Fashioning with networks： Neural style transfer to design clothes[J].arXiv-CS-Information Retrieval，2017（1707）： 9899.

[11]徐暢．面向服裝創意設計的圖像風格遷移方法研究[D]．昆明：昆明理工 大學，2022. XUC.Research on Image Style Migration method for Clothing Creative Design[D].Kunming：Kunming University of Science and Technology，2022.

[12]葉晶，郭香梅.基于技術接受模型的虛擬試衣使用意愿研究[J]．絲綢， 2021，58（3）：58-64. YE J，GUO X M.Research on the intention to use virtual fiting based on the technology acceptance model[J].Journal of Silk，2021，58（3）：58-64.

［13]尹朋珍，張王春，鄧宇樂．虛擬現實技術對消費者購買意愿的影響：基于 SOR模型的實證研究[C]/第十七屆（2022）中國管理學年會論文集， 2022：858-868. YIN P Z，ZHANG W C，DENG YL.The impact of virtual reality technology on consumers’purchase intention：An empirical study based on the SOR model[C]//Proceedingsof the 17th（2022）Annual Conference of Chinese Management. 2022：858-868.

[14]JAKOBN.Usability Engineering[M].SanFrancisco：Morgan Kaufmann Publishers， 1994.

[15]DELONE WH，MCLEAN E R. The deLone and mcLean model of informationsystemssuccess：A ten-year update[J].Journal of Management Information Systems，2003，19（4）：9-30.

[16]YUAN C L， ZHANG C L，WANG S M. Social anxiety as a moderator in consumer willingnesstoaccept AI assistants based onutilitarianand hedonic values[J]. Journal of Retailing and Consumer Services，2022（65）：102878.

[17]MINJEE C，EUNJU K，HEERIM J，et al. Chatbot e-service and customer satisfaction regarding luxury brands[J].Journal of BusinessResearch，2020 （117）： 587-595.

[18]劉夢林，王曉云，許君.圖像提取技術在服裝輪廓與圖案提取中的研究進 展[J]．北京學報（自然科學版），2020，40（3）：96-105. LIU ML，WANG XY，XU J.Research progress of image extraction technology in garment contour and pattern extraction[J].Journal of Beijing Institute of Fashion Technology（Natural Science Edition），2O20，40（3）： 96-105.

[19]KIM S，BAEK TH.Examining the antecedents and consequences of mobile app engagement[J].Telematics and Informatics，2018，35（1）：148-158.

[20]LAMBJM，KALLALMJ.Aconceptual framework for apparel design[J]. Clothing and TextilesResearch Journal，1992，10（2）：42-47.

[21]ZOLKEPLI I A，KAMARULZAMAN Y. Social media adoption： The role of medianeedsandinnovation characteristics[J].Computersin Human Behavior，2015（43）：189-209.

[22]TORNATZKYLG，KLEINKJ. Innovationcharacteristicsand innovation adoption-implementation：A meta-analysis of findings[J].IEEE Transactions on Engineering Management，1982，29（1）： 28-45.

[23]王思懿.基于TAM模型的親子型交互服裝購買意愿與設計要素研究 [D]．大連：大連工業大學，2021. WANG SY.TAMModel-based Study onthePurchase Intentionand Design Elementsof Parent-Child Interactive Clothing[D].Dalian：DalianPolytechnic University，2021.

[24]宦思琪.基于遷移學習的圖像檢索方法研究與應用[D]．合肥：安徽建筑 大學，2021. HUANSQ.Research and Application of Image Retrieval Method Based on Transfer Learning[D].Hefei：Anhui Jianzhu University，2021.

[25]鄧勝利，管弦．基于問答平臺的用戶健康信息獲取意愿影響因素研究 [J].情報科學，2016，34（11）：53-59. DENG S L，GUAN X.Study of the factors influencing user intention of access to health information based on social Qamp;A[J]. Information Science， 2016，34（11）：53-59.

[26]XIANG J，PAN R R， GAO WD.Clothing recognition based ondeep sparse convolutional neural network[J].Intermational Journal of Clothing Science and Technology，2022，34（1）：119-133.

[27]TAYYEBA B，TAN Z F，BURHAN S，et al. An assessment of influential factors developing the intention to use social media sites：A technology acceptance model based approach[J].Frontiers in Psychology，2022（13）：983930.

[28]谷雪陽．基于開口通風的三合一戶外沖鋒衣功能設計研究[D]．上海：東 華大學，2021. GU XY.Research on the Function Design of Three-in-one Outdoor Jacket Based on Open Ventilation[D]. Shanghai：Donghua University，2021.

[29]LAZARD AJ，WATKINS I，MACKERT M S，et al. Design simplicity influences patient portal use：Therole of aesthetic evaluations for technology acceptance[J].Journal of the American Medical Informatics Association， 2016，23（1）：157-161.

[30]SHIN HP. Continued use of a Chinese online portal： An empirical study[J]. Behaviouramp;Information Technology，2008，27（3）：201-209.

[31]李夢吟，王成慧.社會化媒體特性對購買意愿影響因素探索[J]．中國流 通經濟，2017，31（8）：75-83. LI MY，WANG CH.Explore the influencing factors of socialized media characteristicson the wilingness to pay[J].China Business and Market， 2017， 31（8） ： 75-83.

[32]陳湘青.基于IDT和TAM理論的O2O電子商務消費者采納行為研究 [J].企業經濟，2016（1）：96-100. CHEN X Q. Research on O2O e-commerce consumer adoption behavior based on IDT and TAM theories[J].Enterprise Economy，2016（1）： 96-100.

[33]DAVISFDPerceived usefulnes，perceived ease，anduseraceptanceof information technology[J].MISQuarterly，1989，13（3）：319-340.

[34]KIMYJ，LEEJY，MUNJM，etal.Consumeradoptionof smartinstoretechnology：Assessing the predictive value of atitude versus beliefs in the technologyacceptance model[J].International Journal of Fashion Design， Technology andEducation，2017，10（1）： 26-36.

[35]O’CASS A，FENECH T.Web retailing adoption：Exploring the nature of internet users web retailing behaviour[J]. Journal of Retailing and Consumer Services，2003，10（2）：81-94.

[36]HWANG C，CHUNG TL，SANDERSE A.Attudes and purchase intentions forsmart clothing[J].Clothing and Textiles Research Journal， 2016，34（3）： 207-222.

[37]ROSEN L D，WHALING K，CARRIER L M，etal.The media andtechnology usage and atitudes scale：An empirical investigation[J]. Computers and Human Behavior，2013，29（6）：2501-2511.

[38]LEE HH，CHANG E.Consumer attudes toward online masscustomization： Anapplication of extended technology acceptance model[J].Journal of Computer-MediatedCommunication，2011，16（2）：171-200.

[39]KAISAV，ANNER，PIRIO H， etal. Consumerattitudesand communicationin circular fashion［J].Journal of Fashion Marketingamp; Management，2018，22（3）：286.

[40]DERBAIX C.Perceived risk and risk relievers：Anempirical investigation [J].Journal of Economic Psychology，1983，3（1）：19-38.

[41]PATANASIRI A， KRAIRIT D. A comparative study of consumers’purchase intention ondifferentinternet platforms[J]．Mobile Networksand Applications，2019，24（1）：145-159.

[42]易益．感知風險與零售商品牌購買之關系研究[D]．武漢：武漢大學，2005. YIY.A Study of Relationship between Perceived Risk and Private Label Buying[D].Wuhan：Wuhan University，2005.

[43]CYR D， HEAD M， IVANOV A. Design aesthetics leading to m-loyalty in mobilecommerce[J].Informationamp; Management，2006，43（8）：950-963.

[44]BRADFORD M，FLORIN J.Examining the role of inovation diffusion factors ontheimplementation success of enterprise resource planning systems[J]. International Journal of Accounting Information Systems，2003，4（3）：205-225.

[45]吳水龍，宋書琦，袁永娜，等．顧客感知價值對顧客滿意度的影響：自 我—人工智能聯結的中介作用[J]．北京理工大學學報（社會科學版）， 2023，25（3）：117-128. WU S L，SONG SQ，YUAN Y N，et al. Influence of customer perceived value on customer satisfaction：The mediating role of self-AI connection[J]. Journal of Beijing Institute of Technology（Social Science Edition），2023，25 （3）：117-128.

[46]DHRUV G，JERRY G，HOWARD M.The moderatig efects of message framing andsource credibilityon theprice-perceivedriskrelationship[J]. Journal of Consumer Research，1994，21（1）：145-153.

[47]BHATTACHERJEE A.Understanding information systems continuance：An expectation-confirmation model[J].MISQuarterly，20o1，25（3）：351-370.

Influence of the characteristics of clothing style transfer technology on designers’ willingness to use

LI Haoa，WANG Shuo?，LIU Lixiana，c

（a.SilkandFashionCultureCenter;b.SchoolofFashionDesignamp;Enginering;c.Fashion Design Colegeof Stituto Marangoni ZhejiangSci-TechUniversity，Hangzhou 31oo18，China）

Abstract：Inrecent years，the fashion industry has witnessed remarkable progressincomputervision technology， particularlyinclothing style transfer technology（CSTT）．Industryreports indicateasubstantialgrowthpotential for the global computervisionmarketinfashion，drivenbythe increasingdemandforinovativedesigntools.Howeverdespite itspotential，theadoptionof CSTT bydesigners is hindered byisses suchasaccuracy，compatibility with existing workflows，andtheaestheticqualityof theoutput.Thesechalengesunderscore theneed tobeterunderstandthe factors influencing designers’willingness to use CSTT.

This studyaims to explore the impact ofCSTT’scharacteristicsondesigners’wilingness tousethe technology by applying the Technology Acceptance Model（TAM） andthe Stimulus-Organism-Response（SOR）model.Investigating and optimizingthesefactorscanenhancedesigners’adoptionofthetechnology，soas todriveinnovationintheclothingdesign industry.Acomprehensivesurveyof464designers with experience inusingCSTTwasconducted，collecting theirfeedback onthetechnology’saccuracy，efficiency，aestheticscompatibility，perceivedusefulness，perceivedeaseofuse，perceied risk，andusage intention.These technical featureswere incorporated into the TAMand SOR frameworks，and structural equationmodelingwasused toanalyzetherelationshipsbetweenthesefactorsand theirimpactonusageintention. Additionally，mediationanalysiswasperformed tounderstandhow perceivedusefulness，perceived easeofuse，and perceivedriskmediatetherelationshipbetweentechnicalfeaturesandusageintention.Theanalysisresults inthis studyhelp identifykeytechnicalfeaturesafectingdesigners’usageintentionandprovideclearoptimizationguidancefortechnology developers，therebyenhancingthetechnology’spracticalityandmaking itmoreappealing.Theinnovationof thisstudylies initsintegrationofTAMandSOR models tocomprehensivelyanalyzethefactors influencingdesigners’willngnesstouse CSTT.By focusingon the specificfeaturesofCSTT，this study extends theapplicationof these models inthecontextof fashion technology.

Thefindingsindicatethat CSTT’seficiency，compatibility，andaestheticssignificantlyandpositivelyaffect desigers’usage intention.Specifically，eficiency significantlyenhances both perceivedusefulnessand perceivedeaseof use.This means that whenthetechnologyquicklyresponds todesigners’needsand promptlydelivers style transferresults， desigers notonly find itmore usefulforimprovingwork eficiencybutalso moreconvenient touse，thus increasing their likelihoodofadoptingthetechnology.Aestheticssignificantlyenhancesperceivedusefulnessbutdoesnotsignificantly affectperceivedeaseofuse，indicatingthataestheticsprimarilyboostsdesigners’recognitionofthetechnology’svalue ratherthanitsoperationalconvenience.Compatibilitysignificantlyimprovesperceivedeaseofusebutdoesnotsignificantly influenceperceived usefulness，suggestingthatwhilecompatibilitywith existing workflowsenhancesusability，itdoes not directlytranslatetoahigherevaluationofthetechnology’spracticalvalue.Moreover，eficiency，aesthetics，and compatibilityallsignificantlyreduceperceivedrisk.Whenthetechnologyexcels intheseaspects，designers’concersabout potentialuncertaintiesorlossesaociatedwithitsusearesigniicantlyalleviatedHoweveraccuracydoesnotsigniicantly impact perceived usefulness，perceived ease of use，or perceived risk.Perceived usefulnessand perceived easeof use both significantlyandpositivelyinfluenceusage intention.Whendesignersbelievethetechnologycanboosttheirworkeffciency andiseasytooperate，theyaremorelikelytoactualluseit.Thispositiverelationshiphighlightsthecriticalroleof the technology’spracticalvalueanduserexperienceinfacilitatingitsadoption.Perceivedrisk，ontheotherhand，signiicantly and negatively afectsusageintention.Designers’worriesaboutpotential uncertaintiesorlossesfromthe technology significantlyreducetheirwilingnesstouseit，underscoringtheimportanceofminimizingperceivedrisktopromote technology adoption.

This study ofersvaluable insights for bothcorporatemanagersand technology developers，providinga basis for improvingdesign toolsandoptimizingCSTT.Futureresearchcould furtherexplore thecombined impactofconsumer demandandcorporatestrategyondesigners’technologyadoption，deepenourunderstandingofdesigners’usageintentions and offer stronger support for the optimization and dissemination of the technology.

Keywords：clothing styletransfer technology；technicalcharacteristics；technologyacceptance model;stimulus-body response model;designer;willingness touse