打开文本图片集

摘要：在数智创新全面介入设计实践的大趋势下，将人工智能的算力优势与人的审美能动相结合，是探索人机协作设计活动的积极途径之一。织造类非遗的图案传承需要兼顾传统与创新，创新过程中的大量尝试与实验难度高耗时久，人工智能的大算力提供了高效的解决方案，但准确实现图形仍需积累训练方法。本文尝试通过相关设计教学实验，探索人机协作参与设计的合理方式，为云锦图案创新摸索实验路径与方法策略。

关键词：人机协作；数智创新；南京云锦

人工智能介入艺术设计的步伐迅速，范围广泛。在视觉设计领域，文生图、图生图的方式大大缩短创意实现的时间，促成更高效的设计流程。现阶段的生成成果仍存在较多待提升之处，机器生成充满随机性，从大量的生成结果中选择、组合需要的图像时，设计师的主观判断与目标指引仍起到决定性作用。传统图案在设计上遵循一定的图形规律与风格特色，人工智能时代的传统图案创新需要结合人机协作方式合理推进。

图案生成的主流途径

目前图案生成常用方法大致可分为三类。

第一类方法提取原始图案基元，将其作为基本元素，通过改变构型规则和排列方式创新生成图案。改变构型规则和排列方式的手段又分为两种。一种是具备规律性和理性特征的，基于数学模型的分形几何原理、形状文法理论、几何相似特征的方法。例如在乳源瑶绣纹样的创新设计中，选取八角花纹、龙身形纹和星星形纹进行构图分析，并拆分成一系列基本元素，利用形状文法使基础创新图案衍生出一系列的单元创新图案。另一种手段是创建数字化虚拟平台，引导用户参与纹样基本元素重组从而创新生成纹样。该方式具备随机性和感性特征，用户来自不同年龄、文化背景、地域等，元素重组的结果与用户对纹样的认知、理解与想象相关，每位用户创作的纹样都是独特的。以磁州窑装饰纹样生成为例，作者崔因、杨建明等人构建了一个纹样数据资产库，并开发了一套智能辅助设计系统，该系统能够让用户参与创作并设计出个性化的新磁州窑风格器物（如图1）。通过降低设计门槛，使得非专业人士也能参与到磁州窑纹样的创作中，拓宽了纹样创新生成的渠道，也提高了用户的参与度和文化体验。

第二类方法是保留纹样原有的风格特征，使用计算机算法将传统纹样的风格特征运用到新的设计之中。常用的计算机算法有神经风格迁移网络（CNN）、生成式对抗网络（GAN）、StyleGAN2技术等。一些艺术家与研究人员已经使用算法生成对敦煌藻井纹样、湘西苗绣纹样、花瑶桃花纹样等进行尝试创作并取得了一定成果。这一类算法的生成过程完全由计算机控制，效率大大提高，同时也对艺术家提出了新的能力要求，艺术家们需要掌握计算机基础知识和编程能力，具备跨学科的思维与能力。借助计算机生成高质量的图案，展示了计算机算法在纹样创新设计中的应用潜力。虽然算法能够生成丰富的纹样，但生成过程的随机性可能导致缺乏有针对性的创造性设计和生命力。尤其是生成式对抗网络（GAN）通常被认为是“黑箱”，其决策过程缺乏透明度，无法干预生成过程，这可能限制了艺术家对生成结果的理解和控制。

第三类方法是利用人工智能生成内容（AIGC）技术来创新生成纹样。不同于计算机算法使用单一算法模型生成， AIGC技术结合了多种算法模型，包括自然语言处理、机器学习、深度学习、计算机视觉等。国内外各大公司利用AIGC技术研发了众多AI大模型工具供人们使用。在艺术创作中主要集中在文本生成、图像生成、音乐生成、视频生成及三维模型生成领域。这些AI大模型工具根据所承载的不同的计算机算法，形成了不同的应用场景和训练逻辑。在图像生成领域的AI大模型工具主要有Stable Diffusion、Midjourney、海艺、即梦等（见表1）。它们各有优势和劣势，模型选择通常取决于具体的应用需求、资源限制以及对性能的要求。随着技术的不断进步，这些模型也在不断地更新和优化。

在图像生成领域发展最为显著的就是绘画方向，研究纹样生成方向的学者与艺术家先对较少。以研究者侯云鹏、彭涵、刘育晖为代表，在楚漆器纹样研究中，利用Stable Diffusion模型创新生成纹样并进行文创产品设计，探讨了人工智能生成内容技术在非物质文化遗产传承中的新应用，创新生成漆器纹样丰富了其现代发展的更多可能。使用AI大模型工具进行传统纹样创新在提高效率、促进文化传播等方面具有明显优势，但也存在技术、文化和法律等方面的挑战。训练AI模型前涉及大量数字资源采集与处理，训练生成过程对计算机算力要求较高。AI生成的作品无法完全捕捉和传达中国传统纹样的文化内涵和艺术价值。在细节表现力上仍有局限，需要进一步的技术优化。AI创作的纹样可能涉及复杂的知识产权问题，随着相关法律的建立与完善，需要明确版权归属。未来对于AI创新生成传统纹样的研究和实践需要在这些方面进行更深入的探索和改进。依赖于现有数据和规则的人工智能设计可能缺乏人类艺术家的原创性和独特视角，也可能导致传统技艺的传承和发展受到忽视。在推动传统纹样创新的同时，如何保持传统艺术纹样设计的传统韵味和特色也是需要面对的问题。

威廉·莫里斯风格图案生成实验

为进一步讨论人工智能在风格化纹样创新中的可能性，选择具有代表性的威廉·莫里斯风格图案进行了一系列AI生成实验。通过训练AI模拟威廉·莫里斯的思维过程和创作行为，探索人工智能在风格化图案设计领域的应用潜力及其对传统图案生成途径革新的可能性。

此次实验主要基于Midjourney平台，该平台可以根据用户输入的文本关键词生成图像，因其模型库数据充足，生成功能便捷易用，成为具有代表性的由文本到图像的人工智能。AI训练过程步骤分为：纹样关键词提取、AI默认模型库调研、递进式更改关键词。通过对创作原型威廉·莫里斯的图案作品分析研究，从常用的创作主题和手段以及莫里斯纹样的基本特征进行提炼，总结出关键词并进行分类，采取四种不同的训练思路进行AI纹样生成实验：内容物关键词、专有名称关键词、风格关键词、构图关键词。

思路一以创作内容物为主要关键词，通过使用威廉·莫里斯惯用的动植物创作内容对象关键词来模拟威廉·莫里斯的创作状态；思路二围绕专有名称关键词展开，以威廉·莫里斯本人姓名及带有其姓名特征的关键词“莫里斯纹样”进行生成训练，强调生成图像的艺术家特征；思路三针对风格类关键词侧重图像风格描述，强调图像呈现的画面风格细节；思路四以构图关键词为中心分析莫里斯纹样构图逻辑，总结原作构图特征用于生成实验。

训练思路一：内容物关键词

思路一的实验过程挑选威廉·莫里斯创作时使用过的动植物，如花草、昆虫等，以动植物名称作为实验的主要关键词，通过人工智能进行内容物关键词的训练尝试。从创作主题出发，以期还原威廉·莫里斯的创作状态，使画面更接近原作。

关键词：枝繁叶茂、舒展生长的花丛、上下飞舞的蝴蝶

关键词：枝繁叶茂、舒展生长的花丛、夹竹桃

在训练过程中发现，生成的图像在风格上出现了明显的偏离。缺乏威廉·莫里斯风格的主要特征与描绘细节，更偏向于无风格插画，缺乏威廉·莫里斯作品中的个性与艺术感，不符合此次实验对于莫里斯纹样的预期。实验结果表明在进行风格化纹样生成时需要更加精确细致的关键词，以更好地描述威廉·莫里斯的艺术风格。

训练思路二：专有名称关键词（威廉·莫里斯、莫里斯纹样）

威廉·莫里斯的名称在代表本人姓名的同时，也代表一种风格流派，通过强调专有名称，观察基础词汇下生成的图像，总结以专有名称关键词为中心时，人工智能纹样生成过程的创作特点。实验发现，以“威廉·莫里斯”生成的图像均为人物肖像，由此可知在基于人名关键词进行生成时，AI会优先以人为主体进行创作，生成出类似肖像画的作品。以关键词“莫里斯纹样”再次进行了生成实验。由图像结果可以看出，尽管“莫里斯纹样”这一关键词中包含有威廉·莫里斯人名，但人工智能可以识别出图像生成需求为该艺术家的创作风格而非生成艺术家本人的肖像。

关键词：威廉·莫里斯             关键词：莫里斯纹样

当人工智能使用的专有名词兼具人物形象与艺术流派代表性时，生成的图像具有明显的差异性。人工智能可以根据关键词的变化改变创作结果，但在只有最基础的专有名称关键词时仍有局限性。在后续的实验中将延续使用关键词“莫里斯纹样”并注重添加作品内容与细节关键词，强调专有名词在生成过程中起到的加强作品艺术特性的作用。

训练思路三：风格关键词

着重从画面风格出发，总结莫里斯纹样常用的风格效果与创作手法，得出一系列风格类关键词用于图像生成。在前期实验结果基础上添加了新的关键词“复古“、”油画风格“等风格类关键词，以加强威廉·莫里斯的个人风格。相较于上一批图像，实验结果拥有了明显的复古油画质感，开始接近真实的威廉·莫里斯风格，但仍有颜色暗淡等不足。在进一步实验过程中，又添加了插画风格等关键词，进行色彩方面的增强。

关键词：莫里斯纹样、油画风格、复古的质感、平面的、平整的、图形的完整的、重复的、规则的、扭曲的、亮眼的、鲜明的

关键词：莫里斯纹样、插画的风格、平面的、平整的、图形的完整的、重复的、规则的、扭曲的、亮眼的、鲜明的

训练思路四：构图关键词

威廉·莫里斯作品的构图以其平衡、对称和节奏感而著称，营造出一种和谐与秩序感。为更好地模仿莫里斯的构图特征，在AI训练中加入更多的构图提示，如强调对称性、重复性和节奏感。通过特定的构图关键词，如“对称布局”、“重复图案”和“节奏性排列”，引导AI生成具有这些特征的图像。莫里斯的作品还具有丰富的层次和细节，这些层次和细节在构图中起到了重要作用，为作品增添了视觉上的深度和复杂性。通过在AI的训练中加入了对层次和细节的处理，围绕“构图”、“比例”等构图类关键词展开生成实验，使生成的画面能够兼具风格感与有序的构图。

关键词：莫里斯纹样、颜色插画图案、清晰的照明、高对比颜色、清晰的焦点、亮眼的光线、鲜亮的颜色、完美的构图、逼真的比例、体积照明、渲染

在此次的生成训练中，虽然仍未达到一个理想的状态，但是开始有了较为稳定的构图与风格，结合之前的实验思路，进一步添加和更换关键词，增加照明、焦点、光线等画面描述，以期找到更符合莫里斯纹样的固定关键词。

关键词：莫里斯纹样、墙纸插画风格，最好的质感，质量好的，高分辨率的，完美的构图，百合花，鲜亮的颜色，高对比度的，清晰的焦点，体积照明、交错缠绕的、循环的

关键词：莫里斯纹样、墙纸插画风格，平面图形、夹竹桃、最好的质感，高分辨率的，完美的构图，鲜亮的颜色，高对比度的，清晰的焦点，体积照明、完整的、重复缠绕的、规则的、弯曲的

通过一系列实验发现，纹样设计过程中，AI可以快速生成多样化纹样，减少设计过程中的时间与资源消耗。借助AI也为设计师提供了新的设计方法，通过调试关键词，可以创造出满足特定需求的作品。同时AI也有着显著的缺陷。生成的过程受限于训练数据，以及使用者提供的关键词。在艺术性与情感表达方面，AI创作的作品目前还无法与人类艺术家的作品相媲美，缺乏逻辑性和艺术性。

云锦图案生成启发

生成威廉·莫里斯风格纹样的实验可为同样具有高装饰性的云锦图案生成提供参考与借鉴价值。在使用人工智能进行云锦图案创作时，应确保所使用的的人工智能模型库中包含大量的云锦图案和相关艺术风格数据，以便AI理解和模仿云锦图案的特殊纹理和色彩搭配。生成创新时全面归纳云锦纹样特征并进行关键词提炼，在生成的过程中根据生成图案的视觉表现修改更换关键词，训练AI逐步生成符合云锦特色的纹样。AI生成的图案可能存在局限性，需多次尝试和迭代以优化图案设计，并在每次迭代后应根据反馈调整关键词和参数。对于图案创新，当下大部分人工智能还处于模仿的阶段，并普遍缺乏对于艺术理念和相关知识的理解，无法理解人类审美，生成的作品缺乏情感的深度。但随着技术的进步，在人机协作的模式下，充分利用人工智能优势结合设计师的创意和情感，共同创作出既继承传统特色又带有现代创新的云锦图案，以科技赋能非遗传承与创新。

参考文献

[1]薛志荣著. AI改变设计 人工智能时代的设计师生存手册[M]. 北京：清华大学出版社， 2019.01.

[2]（英）阿瑟·I.米勒著；林文杰译. AI艺术家 人工智能的创意与未来[M]. 北京/西安：世界图书出版公司， 2023.09.

[3]郭闯，王思琪.基于AI图像生成技术的非遗传承保护与设计应用研究——以苗族蜡染艺术为例[J].轻纺工业与技术，2024，53（04）：114-117.

[4]从特征辨识到图像生成：基于AIGC范式的苗族服饰设计[J]. 于鹏;张毅.丝绸，2024（03）

[5]探访成都“AI新锦绣”：数字技术让传统非遗焕新生[J].网印工业，2021，（Z1）：60.

[6]巫志英，高楚涵，纪静怡，等.一种基于AI的多功能便捷艺术设计生成系统[P].北京市：CN202411213736.7，2024-11-01.

[7]纪向宏，夏宇滋.“非遗+AI”模式下的湖南土特产包装创新设计[J].包装工程，2024，45（16）：301-312.DOI：10.19554/j.cnki.1001-3563.2024.16.030.

[8]李梢薇，李述兴.生成式AI在插画设计中的应用研究与思考[J].鞋类工艺与设计，2024，4（21）：196-199.

作者简介：

1.卢毅（1982-），男，汉族，江苏南京人，南京艺术学院设计学院博士研究生，南京艺术学院设计学院副教授，研究方向：视觉传达设计、数字媒体设计。

2.李悦心（2001-），女，汉族，湖北武汉人，南京艺术学院设计学院硕士研究生，研究方向：智能交互与媒介创新。

3.王雅婷（2002-），女，汉族，山东临沂人，南京艺术学院设计学院硕士研究生，研究方向：数字媒体设计

*基金项目：本文系江苏省高校哲学社会科学研究一般项目“数字虚拟技术在江苏传统织造技艺文化创新与工艺振兴中的适用性研究”（2021SJA0410）。