文章旨在探讨格律设计方法论在人工智能生成内容（AIGC）图像生成领域的应用。文章解读梳理“格律设计”这一设计观念与方法论 ，分析AIGC图像生成领域的应用案例，并在以上成果的基础上开展研究，提出用格律设计方法论来解决AI图像生成的规范性问题，使之更符合视觉传达设计的要求。同时，文章尝试分析、探讨在格律设计方法论指导下，AIGC图像生成技术介入视觉传达设计领域的可能性和必然性。

绪言

什么是“格律设计”？

 2002年，陈楠教授从“格律”概念外延的扩大、分析入手，正式提出“格律设计”的概念，并在《格律设计——针对格式系统规律预先设计的方法论》一文中提出：“控制诗词结构的格律其实也是可以被设计的对象。进而通过对中国古代设计方法论的研究，提出当代设计的评判维度不能仅仅关注视觉审美本身，针对支撑设计形式的基础框架以及预先设计的格式规律，即‘格律设计’的研究同样不应被忽视，它是针对目标对象的系统、格式、规律、结构框架、规则的预先设计是‘设计前的设计’”

“格律设计”通过定义和应用特定的结构规则来引导设计，针对目标对象的基本单位，从位置、大小、数量、方向等因素进行预先的设计，是一种理性的设计思维。

AIGC技术在图像生成领域的发展现状

人工智能生成内容，简称AIGC(Artificial Intelligence Generated Content)。是指通过使用人工智能技术和算法，让计算机系统自动产生各种形式的内容，如文本、图像、音频和视频等。这些内容可以是基于给定输入或数据集生成的，也可以是完全由AI系统创作的。

在图像生成方面，人工智能模型可以学习图像识别和生成技术，如变分自动编码器（VAE）和生成对抗网络（GANs）。这使得计算机能够生成逼真的图像，包括从给定文本描述中生成图像、进行图像修复和增强、生成艺术风格化的图像等。而随着计算机硬件和算法的进步，使用AIGC技术可以生成质量更高，更加逼真、多样化的图像。尽管AI生成图像技术取得了显著的进展，但仍存在图像细节不准确、内容识别性差、风格不统一、结构比例失调等问题。

研究目的和意义

1. 在时代潮流中发扬中华传统文化

格律支撑起诗歌的结构框架，其中蕴含着古人对艺术和美的哲思，以及对人文科学的探索。而格律设计观正是将这种中国特有的传统文化中的设计思维与方法论加以研究与推广。陈楠教授在《格律设计——针对格式系统规律预先设计的方法论》一文中提出：“关注那些长期被忽视的中国设计思维模式与方法论，使之介入当代的社会生活，就会发现传统和现代的设计之间的距离并没有那么遥远。”格律设计方法论在AIGC图像生成领域的应用，也是这种蕴含着古人智慧结晶的设计方法论与时代潮流前沿科技的一次隔空对话；而二者跨界的交流融合，使东方的设计哲学和方法论体系在当下激烈的视觉设计比拼中有了新的发展。

2.提高AIGC图像生成技术

AIGC图像生成技术使用涉及复杂的算法和模型，其中图像生成的工作流程一般包括输入——扩散——对抗——约束——输出等环节，模型会根据输入的内容通过算法计算后生成相应的图像输出。然而，目前的AIGC图像生成技术存在一定缺陷，AIGC模型通常在特定的训练数据集上进行训练，因此在未见过的场景或样本上的表现可能不理想。模型的泛化能力和自我约束有待进一步提高，生成的图像可能会出现模糊、失真、形状不准确等问题，限制了其在设计工作领域的实际应用。

笔者尝试将“格律设计”这一方法论作为引导AIGC图像生成的控制机制，通过搭建一个以格律设计方法论为理论基础的神经网络，进行监督学习和后续的模型评估，从而在大量的数据中自动分析获得模型，并利用生成的模型对未知数据进行预测，从而实现对生成过程的控制，例如约束或引导调整输入的条件，以生成符合生活常识和设计规范的特定主题的图像。这样可以让平面设计师在一定程度上操控生成结果，生成符合他们的需求和创意的图像，进而丰富视觉传达设计的工具，让设计师们在做设计的时候有了更多的选择。

在格律设计方法论的指导下，AIGC图像生成技术可以辅助平面设计。它能够分析和理解大量的设计数据和趋势，并生成多样化的设计概念，帮助设计师快速探索和形成新的创意。未来的设计模式可以想象为：设计师不再需要重复枯燥的基础工作，如排版、绘图、建模等，而只需在已搭建好的AI模型上输入特定指令，对AI提出项目要求并规范形式，即可让AI自行计算生成。在此期间，设计师只需坐在电脑前等待结果，再对产出进行评估，交付AI进行细节调整。整个设计流程中最耗时和繁复的过程可能是前期AI模型的搭建，而一个搭建好的模型可以在设计工作中无限重复使用。

需要注意的是，在未来的设计人机协作过程中，设计师仍然扮演重要角色。AI图像生成技术作为辅助工具，可以提供帮助和建议，但设计师的创意、审美和专业知识仍然不可替代。未来设计人机协作的发展需要平衡人工智能技术的力量与设计师的创造力和人类智慧，以实现更好的设计成果。

格律设计方法论详解

中唐《文镜秘府论》中说“凡作诗之体，意是格，声是律。意高则格高，声辩则律清。格律全，然后始有调。”意思很明确，格律诗，“格”就是“意”，指的是诗的韵脚和格调，包括平仄、押韵等要素；“律”就是“形”，指的是诗歌的结构和组织，较长的诗歌作品通常会根据内容和意境的需要采用特定的律例和章法。“格律”一词原指创作韵文所依据的格式与韵律，各种韵文都有特定的格律。格律的设计基于发音、呼吸的节律与节奏，是一种理性的设计，各种辞藻的交错组合都依附、借助于这个秩序骨架之上。

而“格律设计”是一种将格式系统规律应用于设计中的方法，它通过运用一系列的比例、对称、间距等规则，来创建具有美感和和谐感的设计。在这里，“格律”是决定单位基本形象的位置、大小、数量、方向等的重要因素。本文通过对“格律设计观”的阐述，从自然到人文，从“现象”到“道理”，从自然结构到易经数理的顺序理清格律设计方法论的内容，进而应用到AIGC图像生成领域之中。

自然结构中的格律美

为了求偶而翩翩起舞的蝴蝶，在人们看来如此美丽；为了吸引昆虫传粉，花儿的香气让人们陶醉；林中鸟儿交流时，清脆的鸣叫声在人们的耳中如此动听；人们与这些需求毫不相关，但通过强大的共情能力也感受到了自然的美感。享受着这些大自然中感性的“美”的同时，人们又对其产生了理性的思考——为什么人们会对一些特定的事物产生“美”的感受？其中会不会存在一些可以被探知的格式或结构，具有格律的美感？笔者选取了三个比较典型的自然结构，探寻其中所蕴含的格律美。

黄金分割是一个古老而深入人心的美学观念。它指的是将一条线段分割成两部分，使整条线段的长度与较长部分的长度之比等于较长部分和较短部分长度之比。黄金分割是自然界中广泛存在的格律之一，许多花朵、贝壳、螺旋形的壳、树枝和叶子等都展示了黄金分割的比例关系。人们从自然中总结出这种比例的规律，后来被广泛运用在艺术、建筑、设计和自然科学领域。黄金分割具有严格的比例性、艺术性、和谐性，蕴藏着丰富的美学价值，这一比值能够引起人们的美感，被认为是建筑和艺术中最理想的比例。在古希腊建筑中，一些著名的建筑物如帕特农神庙和大金字塔，以及古罗马的巴西利卡都使用了黄金分割比例。此外，在绘画、雕塑、摄影和音乐等艺术领域，黄金分割比例也常被用作构图和比例的指导原则。

1.螺旋结构

螺旋结构是指一种由连续的螺旋线所组成的形态或结构。螺旋线是一条沿着中心轴向上旋转的曲线，可以看作是一个空间中的圆周不断延伸而形成的。这种不断延伸的构造赋予了螺旋结构一种自然、优雅的美感。从DNA双螺旋的链接图景，到化石中鹦鹉螺的截面，从受到地球离心作用的河道，到宇宙中璀璨盘旋的星系……螺旋结构无处不在。螺旋结构在自然界中的存在和出现与生长、沉积、扭曲等生物和物理过程密切相关。它们展示了自然界中物质的有序排列和动态变化，同时也为设计和工程领域提供了灵感和启示。在特奥多·安德烈·库克（Theodor Andre Cook）的著作《生命的曲线》中，从艺术和科学两个角度分析螺旋线结构的奥秘，并介绍了阿基米德、达·芬奇、达尔文、爱因斯坦等大师们对于螺旋线的研究成果。螺旋结构以其动态、流动、生命力和平衡的特点，常被视为一种美学上的符号。它代表了有序、连续和无限的变化，同时也是自然界中一种普遍存在的结构格律。

2.蜂窝结构

蜂窝结构是一种由六边形或类似的多边形单元组成的几何结构。它得名于蜜蜂巢穴中六边形的排列方式，因此也被称为蜂巢状结构。自然界中，蜜蜂的蜂巢、鸟类的巢穴以及一些植物的细胞结构等等都属于蜂窝结构，这些自然界中的例子展示了蜂窝结构的普遍存在和优越性。2001 年，Hales证明了经典的六边形蜂窝猜想，即蜜蜂建造的蜂巢可以通过消耗最少的蜂蜡来提供最大的内部空间，表明六边形单元配置是自然界中最有效的结构，蜂窝结构由此而得名。在美学角度，蜂窝结构具有几何的对称美，六边形的蜂窝连接在一起形成紧密排列的网格，创造出一种和谐、平衡的视觉效果。这种自然格律给人以美感，同时也呈现了一种自然优雅的几何形态（图1）。

《易经》中的“数理”格律

如果说自然结构中的格律是人们从自然中总结得来的结构和规律，《易经》中的“数理”哲学也是古人智慧的结晶，对于宇宙万物运行变换的格局进行总结和推理。“易数”和“易理”是《易经》中的两个重要概念。易数关注事物间的数理规律和变化趋势，易理关注人类与宇宙和谐相处的哲学原则和伦理准则。易经认为宇宙万物都有其内在的数理规律，而通过观察和研究这些数理规律，人们可以揭示事物的变化和发展趋势。所谓易理，是易经中所包含的道理。包括易经的辩证思想，易经对宇宙、自然、人类社会的认识论等等。易数则强调了事物间的相互关系、变化规律和对应关系，通过观察和推演揭示事物的本质和发展。

擅长此道的术数家认为，宇宙主体、客体结构之间的关系不仅符合同构律，而且符合同步率，即各结构发展和变化的速率基本是同步的。古代的天文历法等学问是术数家建构宇宙象数模型的出发点，河图、洛书和周易象数体系是这些模型的基本框架；以天干、地支组成的时空坐标系是进行术数预测的根据。各类术数活动，无不先选择一个时空坐标系，再建构一个象数模型，当输入了有制约社会、个人的已知特定信息符号后，由这个象数模型的变化来模拟和预测事物的真实变化，便可获得超前的信息。例如在《增广校正梅花易数》中，就对易数易理、体用生克、占断总诀、字画指迷、拆字杂编等进行了详细的解释，通过计算姓名笔画、生辰八字、周期数率、天干地支等，用数字演算的方式进行占卜；其中在易数部分占卦解卦的逻辑链条也被后人沿用至今，作为算卦占卜的常用算法。

浓缩化、分类化、抽象化、精简化、符号化正是《易经》的精神。从这样的特征中我们不难看出，易数的格律体系与计算机算法有异曲同工之妙：首先，易数和计算机算法都涉及符号的排列组合和运算。在易数中，阴爻和阳爻的排列组合形成了不同的卦象，作为后续解卦的主要依据；而计算机算法中，通过编程语言中“1”“0”的排列组合来编写程序，通过运算模型来实现特定功能。这种排列组合和运算的方式在两者之间有一定的共通性。其次，易数和计算机算法都强调了规律和模式的发现。在易数中，人们通过观察卦象的变化，推导出事物的趋势和可能性，以揭示其中的规律。而在计算机算法中，通过对数据和操作的分析和处理，人们也可以发现数据的模式和规律，并利用这些规律实现特定的计算目标。此外，易数和计算机算法都涉及逻辑思维和推断。在易数中，人们通过对爻辞和卦象的解读和分析，运用逻辑推理来推测事物的状态和变化。而在计算机算法中，人们也需要运用逻辑思维来设计和优化算法，以达到预期的计算结果。

AIGC图像生成领域中的应用案例研究

近年来AIGC技术发展迅猛，相关研究成果如雨后春笋般涌现。其中不乏使用AIGC技术进行图像生成、平面设计工作的案例。比如近期在互联网上大火的AI绘画，就是使用Midjourney、Stable Diffushion等应用了AIGC技术的软件进行图像的生成，也就是人们俗称的“跑图”——即在对软件提供的功能进行预设后，输入生成图像的要求，让计算机自行生成图像的过程。在商业领域，AIGC技术的应用也可以批量生产设计方案，并对方案的价值进行精准的预判。例如日本株式会社Plug提供Package design AI，只需使用者上传素材，AI就可以在一小时内自动生成上千种包装设计，并在10秒内计算出它们的受欢迎程度。从中可以看出，AIGC的应用前景十分广阔，且正在以井喷式增长速度不断发展。

人工智能图像生成原理

1.VAE、GAN和Diffusion model

VAE是一个对称的网络结构，包括编码器和解码器。在训练的过程中，数据通过编码器压缩，再通过解码器解压，然后最小化重建后数据和原始数据的差。编码器训练好了以后，就被用于进一步的工作，例如图像分类等应用中。VAE有很多统计假设，但需要人去评估生成差距。于是有人丢掉所有统计假设，并且把这个评估真 （原始数据）、假（生成数据）差异的判别器也放进来一起训练、创造了GAN——生成对抗神经网络。

GAN也有两个部分——生成器和判别器。生成器的任务是生成尽可能接近真实样本的合成数据，而判别器的任务是区分生成器生成的合成数据和真实数据。GAN的训练过程可以被视为生成器和判别器之间的博弈。生成器的目标是生成逼真的数据，使得判别器无法区分合成数据和真实数据。判别器则努力提高区分能力，以更好地判断数据的真实性。通过迭代优化两个模型，GAN可以学习生成高质量、逼真的合成数据。

然而，由于GAN训练对抗网络的不稳定性，对于吞噬了网络巨量数据的超大规模网络来说，控制GAN变得非常困难。在这种情况下，出现了另一个更好的选择，即现在广泛应用于AI绘画的生成模型——扩散模型（Diffusion model）。扩散模型的目标是通过逐步去除噪声来还原图片，从而生成数据。为了实现去噪的目的，扩散模型的训练过程实际上是从高斯噪声中还原图片，使得最终还原出来的图片符合训练集的分布。

2.CLIP模型——需求到行为的转换

CLIP模型是一种利用大量文本和图片数据进行训练的模型。它通过计算编码后的图片和文本特征之间的相似性矩阵，并通过最大化对角线元素和最小化非对角线元素来优化两个编码器，以实现文本和图片编码器之间的强语义对应关系。CLIP模型的出现打破了图片和文字之间的障碍，使得图像相关任务得到了极大的扩展。通过CLIP模型，使用者可以计算任意图片和文本之间的关联度，并将其用于指导模型的生成。

3.对画面结果的控制

在图像生成过程中，如果使用者对AI生成的结果不满意，希望对生成的图像结果进行约束和控制，有三种常见的方法。

第一种方法是直接修改提示词。通过使用更加精准、详细的描述来引导AI进行相应的生成。在Stable Diffusion中，使用者还可以通过添加反向提示词来约束生成结果，即不希望AI生成的结果。

第二种方法是通过低秩自适应大语言模型（LoRA）对生成结果进行约束。简而言之，就是在需要固定画风的情况下，通过在原有模型上叠加LoRA模型，进行视觉观感上的调整，从而产生令人惊喜的结果。

另外一种方法是使用ControlNet模型对图像框架进行约束。ControlNet模型是一种通过条件控制网络生成的神经网络。与原始模型只能生成文本引导相比，ControlNet模型可以理解基于图像提取的任何信号，只需使用成对的图像进行训练。这种方法能够更好地控制生成结果，达到所需的条件（图2）。

AIGC图像生成技术的应用——以Stable Diffushion为例

Stable Diffushion和Midjourney是两款当下最为热门的AI绘画软件。和Midjourney相比，Stable Diffusion （以下简称SD）最大的优势是开源，这意味着SD的潜力巨大、发展飞快。由于开源免费属性，SD 已经收获了大量活跃用户，开发者社群已经为此提供了大量免费高质量的外接预训练模型（fine-tune）和插件，并且在持续维护更新。在第三方插件和模型的加持下，SD拥有比Midjourney更加丰富的个性化功能，在经过使用者根据自身需求定制后可以生成更贴近需求的图片。 Stable Diffusion是一种潜在扩散模型（Latent Diffusion Model），能够从文本描述中生成详细的图像。它还可以用于图像修复、图像绘制、文本到图像和图像到图像等任务。简单地说，使用者只要给出想要的图片的文字描述，SD就能生成符合要求的图像。在SD的主界面里，能看到文生图、图生图、模型合并与训练、Tag提取等功能；其中最主要的文生图功能里，使用者可以通过输入提示词（text）、反向提示词，修改采样方法、步数、图片尺寸、重绘幅度、生成批次和数量等参数来对图片进行约束，从而生成想要的图像。

在个性化生成方面，比较重要的一大应用是采用特定风格的数据集进行Checkpoint训练（对应stable diffusion模型和外挂VAE模型）和finetune训练（对应LoRA模型），这使得模型“过拟合”在特定的风格上，从而达到使用者想要的输出效果。例如最近比较火的AWPortrait模型就是通过 Checkpoint 训练得出的AI生成的模拟真实写真人像的基础大模型（见图3）。与之对应的finetune训练可以叠加在Checkpoint训练集之上进行生成，换言之就是将Stable Diffusion模型“过拟合”，从细节上进行图像的约束；例如Mecha Future Chapter V2就是可以叠加在AWPortrait上的LoRA模型。生成的图像中，人物更换了风格为写实的机甲，完美适配赛博朋克等风格。这些个性化生成的模型可以在目前Hugging face、LiblibAI等开源网站上随时下载安装，如（图4）所示。

AIGC图像生成技术在视觉传达设计方面的应用

从2022年10月起，日本株式会社PLUG就开始提供「Package Design AI」服务。这个工具只需要使用者上传图像素材，人工智能就可以自动在一个小时内，完成1000组商品的包装设计，并在10秒内计算出他们的受欢迎程度。日本零食大牌卡乐比（Callbee）曾找他们合作，优化包装后，新包装的业绩比旧包装增长了135%。

在Package Design AI的官网上有对该产品详细的使用介绍。作为会员制的企业产品，使用者在注册付费之后有两种可供选择的服务——“包装设计生成”或“产品评估”。在本文只讨论包装设计中对AIGC技术的应用。在输入（input）阶段，使用者可以自己输出分好层的图片素材，或是在官方素材库中选择自己喜欢的素材，当然这一过程是付费的。后面生成的原理与SD的扩散生成原理相似，不过多出了一个载体的选择，也就是包装设计的形式选择。而在最新版本的Package Design AI中，也可以进行与包装设计配套的品牌Logo设计。将自己公司的徽标输入到软件中，Package Design AI就可以帮你输出规范好的、与AI生成好的包装设计相匹配的Logo范式（见图5）。

“格律设计观”在AIGC领域的应用

AIGC图像生成技术是一个非常重要的人工智能技术，近年来迅猛发展，对设计行业，尤其是平面设计行业冲击很大。Stable Diffusion、Midjourney等应用了AIGC图像生成技术的软件在设计之中的应用，使设计方式产生了新的可能性。设计的技能变得更为民主了，让更多的人具有了设计能力，但人是否可以通过技能的民主，从而获得想象力的进一步释放？还是因为过于依赖于AI工具，从而失去了对设计的敏感度？在对“格律设计观”以一种什么样的方式参与到AIGC图像生成工作之中进行探讨时，笔者会追逐着时代发展的潮流，探索未来最前端的设计方式发展的可能性。

为了使“格律设计观”在AIGC领域应用的研究不停留于表面，笔者于逐步展开了应用的尝试：在开源平台Stable Diffushion上训练基础模型，通过提炼设计中的内在格律，针对目标对象的系统、格式、规律、结构框架、规则等方面，进行“设计前的设计”。同时，将该理论框架应用于AIGC图像生成模型前期的Checkpoint 训练，以及结构约束生成的ControlNet模型之中；从设计元素筛选和设计规范两个方面在AI生成的图像中应用格律设计的方法论。

适用性分析

“格律设计观”是一种理性的设计观念，注重设计中各部分有逻辑、有秩序地排列组合，统筹各部分的结构秩序。AIGC生成图像的基本逻辑是扩散自对抗模型，根据海量的样本，从概率的角度计算在一个合适的像素块的位置应该出现怎样的结果，并没有对生成的图片产生概念化的认知——即什么是应该被选用的元素，什么是美的，好看的；需要约束判断什么应该是被选用的东西再输出。而“格律设计观”的应用刚好可以做到这一点，通过定义标签化的设计元素和应用特定的结构规则来引导AI生成设计作品。

优势与局限性

1. 在平面设计领域的优势

与当下设计师们使用PS、AI等设计工具进行平面设计工作相比，应用“格律设计观”进行AI生成的优势在于效率更高，生产成本低。在产出同等体量的内容方面，使用AI可以大幅缩短用时，提高效率，同时降低设计成本。

AI甚至可以探索人们已知审美记忆以外的东西。这里就不得不提到AI图像生成的基本逻辑了，机器会将所有可能的生成结果打分，并会通过加权的形式进行排序，最终选定一个在AI看来“恰当”的结果，进行输出。比如我们用AI设计一个苹果，在配色的选择上计算机生成了很多种可能的颜色搭配方案，比如：PlanA——褐色+红色、PlanB——黄色+蓝色、PlanC——天蓝色+橙红色……最终被采用的方案是PlanC，而非在人们看来最为常见和真实的PlanA，这是为什么呢？尽管用粉绿色和橙红色的搭配在机器Tag评分中很低，但是经过机器计算两种颜色的不同比例搭配，在上网检索打分的这一步骤中发现了与之相近的，草间弥生与LV联名中具有代表性的波点南瓜的配色，这一商业化成功案例为最后综合加权分数提高了不少，以至于被采用（图6）。

2.AIGC的应用在平面设计领域的局限性

虽然“格律设计观”在AIGC领域的应用使AI在机器学习和算法中能够考虑很多复杂的设计因素，平衡人工智能技术和设计思维，但是仍存在一定的局限性。创新是设计的核心要素之一，设计工作必须兼顾技术、人文和商业等多个方面，这就需要设计师与 AI之间合理协作，激发彼此的活力，从而达到创新型设计的效果。

设计会涉及很多网络素材的选取，在使用AIGC技术生成图片的过程中可能会“借鉴”他人的作品。如何保护用户信息？如何防止侵犯知识产权？这些都是必须重视的问题。 

应用方法与原理

使用格律设计方法论建立一个监督学习模型，对大量优秀的设计作品样本进行采集，找到其中宏观层面设计框架结构，以及微观层面最小元素的选取；将框架结构用编程语言写入ControlNet模型，将设计作品案例投入到学习模型的开发集和测试集之中，初期可以通过人为分析辅助，快速构建并迭代该模型，而后进行误差分析，处理可能出现的方差与偏差。在以上步骤完成后，我们就可以得到一个具有“格律设计”思维的AI模型。但这个“崭新出厂”的模型还不能投入到设计工作领域的实战之中，我们还需要通过大量的设计案例样本“喂”给模型进行训练，即建立一个训练集反复优化该模型。

而“格律设计观”的应用不仅仅局限于模型的搭建和训练，还能对AI图像生成模型的使用方式提供指导。在stable diffusion中，完全由扩散自对抗模型主导的生成方式使得该软件生成的结果十分随机，往往需要通过很多复杂的约束步骤，以及多次“抽奖”式的生成才能得到一个满意的结果。我们可以通过设计规范中的要求，在生成选项中提供不同类型的生成模型，来做不同种类的平面设计工作。当然，也可以在经过大量的生成实验过后，从中挑选出合适的迭代步数和采样方法，罗列出最佳的几种生成方案，以供选择。

应用案例

笔者将“格律设计”在AIGC图像生成领域中应用的实践成果之一为“谦Modest——君子系列香氛包装设计”（图7）。

“亨，君子有终”这是《易经》中谦卦的卦辞。从香氛包装元素的设计，香氛瓶的形态，到包装盒外形的选取，将爻辞中蕴含的为人处世的哲理赋予产品，把卦象中阴阳分形的格律架构贯穿产品设计的始终。以黑白作为主题颜色，包装的视觉呈现符合卦象中阴爻和阳爻分布的比例，产生独特的格律美感。

在项目制作的初期，笔者对《易经》中谦卦卦象加以解读，总结其中的格律，结合谦卦蕴含的易理，提炼成相应的约束Tag；在Stable Diffushion平台上进行模型开发。在机器学习的过程中人为选取大量的草药植物图片进行Eyeball开发集训练，随后投入Blackbox开发集进行机器训练；随后用该模型进行图案元素的生成，再应用到包装设计的项目之上。

在整个项目制作流程中，笔者感受到了格律设计方法论的妙用，以及AIGC图像生成技术的便利。在系统地分析《易经》中谦卦卦象的格律后，能够明显感觉到在模型训练的过程中有着十分清晰的脉络，这极大地提高了前期模型构建的效率，从而缩短了项目设计的周期。

虽然这种设计工作方式十分便捷，但其中法律和道德方面的问题令人担忧。在设计过程中会涉及很多用户信息，在使用AIGC技术生成图片的过程中可能会“借鉴”他人的作品。以及如何防止侵犯知识产权，是必须重视的问题。

结束语

通过此次应用的尝试可以看出，在“格律设计观”的指导下，AIGC图像生成技术对视觉传达设计界乃至设计行业的影响，设计师们的设计工具将会进行一次革新，在格律设计方法论的指导下的AI介入后，人们甚至可以使用语音识别、虚拟现实、手势识别等技术，更加便捷地完成各种设计任务。在未来，设计师们也会以一种新的工作方式参与到设计工作之中，将基础的图像处理、排版等模式化的工作交给智能软件去处理，丰富的想象力和创意成为设计最重要的能力，甚至令人期待，在“人—创意”为主，“AI—技术”为辅的时代，人人都可以做设计，人人皆是设计师。