《纺织科技进展》2024年第8期选登：生成式AI赋能虚拟服饰博物馆设计实践

文献引用格式:张巧玲,何海洋,王红歌,等.生成式AI赋能虚拟服饰博物馆设计实践[J].纺织科技进展,2024,46(8):28-32.

生成式AI赋能虚拟服饰博物馆设计实践

张巧玲,何海洋* ,王红歌,吕 乐,郑孟龙

(河南工程学 院服装学院,郑州451191)

基金项目:河南省软科学研究计划项目(232400410470);2023年河南工程学院开放实验项目

第一作者:张巧玲(1972—),女,硕士,教授,研究方向为服饰文化推广与时尚产业经济。

*通信作者:何海洋(1983—),男,硕士,实验师,研究方向为服装数智化技术、服装舒适性与功能。

摘 要:针对当前虚拟博物馆建设中存在的设计效率不高、沉浸体验和互动性不足等问题,以中原虚拟服饰博物馆为例,引入生成式AI(Artificial Intelligence)全程参与其构建。研究梳理生成式AI的基本概念、发展历史和关键要素,并结合案例分析其在文化和创意产业的应用场景;从虚拟服饰博物馆数字展览、数字交互和数字教育等三大功能视角出发,探索生成式AI在其构建过程中的具体应用,不仅有助于拓展智慧博物馆的建设思路与方法,提升展示与教育效果,而且对于解决数智化背景下如何有效促进服饰文化遗产的保护与传播也具有现实意义。

关键词:生成式AI;虚拟服饰博物馆;人机共创;数智化    

随着Web3.0和元宇宙时代的到来,虚拟博物馆因不受时空限制访问的特性成为展示和传播服饰文化的有效载体,日益引起公众与学术界的关注[1-5]。然而,目前的虚拟博物馆建设,多采用先将馆藏资源数字化,再借助网络技术以信息可视化的形式单向呈现给公众的方式,这就导致其在叙事设计、沉浸体验、互动性及信息时效性等方面,相较于传统博物馆仍存在诸多不足[6]。

近年来,生成式AI技术飞速发展,特别是它在文本、图像、音频和视频等多模态内容创造[7]方面所具有的独特优势,使其为虚拟博物馆的构建提供了新的解决方案。探讨生成式AI在虚拟服饰博物馆构建中的应用,不仅有助于拓展智慧博物馆的建设思路与方法,提升展示与教育效果,而且对于解决数智化背景下如何有效促进服饰文化遗产的保护与传播也具有现实意义。

1 生成式AI概述

2022年11月30日,随着OpenAI公司推出ChatGPT,作为人工智能技术的一项重要突破——生成式AI,开始走进公众视野,并迅速引起了社会各界的广泛关注。微软公司CEO 比尔·盖茨更是将其重要性等同于个人电脑(PC)和互联网(Internet)的出现[7]。

1.1 基本概念

所谓生成式AI,即Generative Artificial Intelligence,是一项基于深度学习(Deep Learning)算法模型,由已知数据生成新数据或内容的人工智能技术。它能够根据现有的数据集来学习其数据分布特性,进而生成与原始数据类似但又不完全相同的新数据,其生成的内容即是更为人熟知的AIGC(Artificial Intelligence Genenrated Content)。生成式AI是人工智能世界的“创意艺术家”,在文本、图像、音频和视频等多个模态领域拥有广泛的应用前景。    

1.2 发展历史

人工智能的历史[7],最早可追溯到20世纪40年代,发展至今大致经历了4个阶段。(1)萌芽创新期。1940年,“人工智能之父”英国科学家Alan Turing发明炸弹破译机,并在诺曼底登陆作战中成功破译德军密码,为加快二战结束作出了重要贡献,成为人工智能在现实世界首次成功应用的标志。后来受到“神经网络”概念的启发,他又在1950年提出著名的图灵测试(Turing Test),拉开了人类探讨机器能否思考的序幕。随着20世纪60年代世界上第一个工业机器人Unimate、心理治疗聊天机器人ELIZA 及路径规划移动机器人Shakey等的相继问世,解决了“机器能否复制人类认知”这一挑战,人工智能迎来了创新发展时期。(2)寒冬停滞期。20世纪70年代中期,因受限于计算机算力和数据源的不足,导致AI性能表现不如预期,人们逐渐对其失去兴趣并开始削减研究预算;尽管20世纪80年代神经网络训练“反向传播”(Backpropagation)概念的提出,曾一度引发短暂的AI研究热潮,但随后有数百家人工智能公司宣布被收购或关闭,标志着人类社会再次步入“AI 寒冬”。(3)快速发展期。1993年,计算机博士、美国科幻小说家Vernor Vinge在其著作中首次提出“技术奇点”(Technological Singularity)这一概念,成为人工智能发展的另一个里程碑,预示着AI时代的即将到来。此后第二代聊天机器人A.L.I.C.E推出,IBM 深蓝(Deep Blue)电脑击败国际象棋世界冠军Garry Kasparov等事件的发生,直接引发了世界对AI超越人类智力的关注与思考。2006年,Geoffrey Hinton等将深度学习的概念再次引入,揭示出深度神经网络在图像识别等领域的应用潜力,标志着生成式AI的一个重要转折点。(4)成熟应用期。2014年,以生成高质量图像、文本等数据为特点的生成对抗网络(Generative Adversarial Networks,GANs)由Ian Goodfellow 等提出,进一步开启了生成式模型的新纪元。2020年,OpenAI公司基于Google Transformer的生成式预训练模型(Generative Pre-Trained Transformer,GPT)诞生,随后以文本(Chat-GPT)、图像(DALL-E、Midjourney、Stable Diffusion)、音频(Jukebox)和视频(Sora)等多模态应用为代表的生成式AI不断涌现,智能生成内容日益丰富,应用场景得以逐步拓展。    

1.3 关键要素

总的来看,生成式AI能够得以快速发展,主要取决于3个关键要素:(1)丰富的数据源;(2)强大的计算机硬件算力;(3)合适的算法模型。其中,获取方式日益便捷且可靠的数据源是模型训练的基础,持续提升的计算机硬件算力是模型训练的保障,而不断迭代优化的算法模型则是核心要素,直接影响生成式AI的稳定性、可扩展性及应用的广泛性。目前,生成式AI常见的算法模型见表1。

2 生成式AI在文化创意产业的应用场景    

生成式AI的核心价值在于其创造性的输出能力,不仅能够模仿人类艺术家和设计师的工作,还可以推动新形式和风格的探索。这种基于技术与创意之间的深度融合,拓展了创新的边界,使得生成式AI在文化和创意产业中的应用呈现出多元、互动和个性化的发展趋势,前景广阔。

2.1 文化遗产保护

在文化遗产保护领域,生成式AI技术的应用主要集中在文物修复、数字化重建以及增强现实体验等方面。以受损文物修复为例,首先可基于部分高清文物图片,通过裁剪、对齐、标准化、蒙版等一系列预处理操作,利用生成对抗网络(GANs)来训练和学习其视觉特征,进而重建缺失或损毁部分文物的原始形貌;然后通过色彩校正、细节优化和专家鉴定等后处理环节,最终完成对受损文物的高精度数字化修复,如图1所示[8]。

图1 利用生成式AI实现文物的数字化修复

2.2 艺术设计创作

在艺术设计领域,借助生成式AI技术,艺术家和设计师能够创造出创意十足的艺术作品,涵盖绘画、音乐、诗歌以及数字媒体艺术等多个门类。它不仅能模仿特定的艺术风格,还能生成完全原创的艺术形式。华中科技大学蔡新元教授团队联合长江少年儿童出版社利用Stable Diffusion创作的“大国巨匠·科学家精神绘本书系”(如图2所示)和“武汉光谷十景”国风绘画以及央视于2024年推出的中国首部采用文生视频AI系列动画片《千秋诗颂》等作品,均展示了生成式AI在激发新的艺术表现形式和增强文化价值传播方面的巨大潜力。    

图2 利用生成式AI创作的“大国巨匠·科学家精神绘本书系”画面

2.3 个性交互体验

在文博展览领域,传统的展示与导览方式因存在缺乏有效互动及内容更新滞后等问题,往往不能持续激发访客兴趣,导致展览效果大打折扣。由生成式AI驱动的聊天机器人[9]的出现为解决该问题提供了切实可行的方案,基本开发流程为:首先大量收集与展品相关的图像、文本等多种格式的数据,并对其进行预处理;然后基于该数据集对聊天机器人进行训练,使其深入理解展品背景知识;同时,可针对特定展品设计互动问答环节,以增强访客对展品文化价值的理解。在此基础上,通过分析访客的反馈与互动行为,不断调整优化聊天机器人的应答逻辑和互动方式,从而有效提升访客的个性化体验。该类应用在显著提高访客参与感的同时,也极大提升了教育效果,为文博类展览提供了一种持续有效吸引访客的途径。    

2.4 文创产品开发

在文创产品开发领域,创意设计常采用将文化价值融入产品的方式,向消费者传递丰富的文化内涵,激发文化价值的活力。因其在提升设计效率与质量方面所拥有的显著优势,生成式AI技术在该场景的使用频率日趋增加。它不仅能迅速生成大量创意设计,协助设计师快速迭代与优化方案,有效缩减产品开发周期,还可以学习融合不同文化元素,创作出兼具文化深度和广度的作品,进一步提升文创产品的文化价值和市场吸引力[10]。图3是以河南博物院馆藏文物莲鹤方壶为创作背景,采用“莲鹤纹样”“淡雅配色”“金属质感”“刺绣纹样”“粗布材质”“水墨国风”等各类提示词,基于DALL-E创作的帆布包、帆布鞋和书签等系列文创作品,是一种富有创造性且效率极高的产品开发方式。

图3 利用生成式AI创作的莲鹤纹样主题系列文创作品

3 生成式AI驱动下的虚拟服饰博物馆设计实践

国家文物局于2014年开始启动智慧博物馆建设试点计划,这是一种以实体博物馆和数字博物馆概念为基础,充分利用物联网、云计算和人工智能等新技术构建的新型博物馆业态,与当下元宇宙强调交互沉浸、虚实共生的理念不谋而合。在此背景下,以中原虚拟服饰博物馆的构建过程为例,探索生成式AI技术在博物馆数字化与智慧化转型中的具体应用,以期为类似研究提供借鉴与参考。    

3.1 设计目标

中原虚拟服饰博物馆以现有河南纺织服饰博物馆实体展馆作为构建基础,以馆藏展品为主要研究对象,从参观者需求中心视角出发,以人为本[11],通过全方位、多模态、沉浸式和智能交互等呈现方式,旨在打造一个凸显中原地域特色的服饰数字化展示平台,以达到对传统服饰文化保护、传承、活化创新和宣传教育之目的。具体来说,按照博物馆承担的职能和智慧博物馆的建设要求,主要围绕3个方面的功能与内容进行构建:①数字展览功能。构建数字孪生系统,以数字化技术对展示空间(展厅)、文物本体(藏品)及相关背景文化(知识)进行实景化展现。②数字交互功能。以多模态形式打造可视化、沉浸式和智能交互的体验系统。③数字教育功能。以馆藏实物和数字化文物为对象,采用多元化学习方式,实现寓教于乐的创意服饰设计与文创产品开发。

3.2 设计方案

中原虚拟服饰博物馆的构建方案包括整体布局规划、展厅功能区划分、数字化展示设计和文化IP打造等四大模块,承载了数字展览、数字交互和数字教育等三大功能,生成式AI技术在构建过程的不同环节均有涉及且发挥了重要作用,其参与设计的基本工作流程如图4所示。    

图4 生成式AI参与设计的基本工作流程图

3.2.1 数字展览功能

(1)展示空间设计。确定展厅方案时,效果图的作用至关重要。而在传统的设计过程中,从平面布局绘制、3D建模到灯光、材质渲染及细节后处理,这一阶段将耗费大量的时间和人力资源,需借助专业建筑CAD和3D建模等软件来共同完成[12]。按照图4所示的生成式AI的设计工作流程,从主题确定、资料收集、词频分析、人机AI共创到出图筛选,能够极大提高设计效率与质量。

(2)藏品数字还原。对于服饰文物数字化修复而言,重点在于款式形制、色彩纹样和材料质感的精确还原。在具体修复实践中,款式形制可采用多重证据[13]法,借助各类文字、图像资料与服饰实物进行印证和确定。而色彩纹样和材料质感由于年代久远,均有不同程度的模糊或损毁,此种情况下生成式AI高效率的数字化修复优势得以体现,后续结合3D 服装建模技术,即可实现文物展品的高保真还原与展示。

3.2.2 数字交互功能

(1)展品交互设计。对于实物展品和数字化展品而言,在元宇宙虚实共生理念的指导下,重点从文化内容和表现手法2个方面进行交互设计。在文化内容方面,利用生成式AI深入挖掘不同展品背后的传统文化意义,提取典型文化元素,结合交互创意叙事设计[14],提升访客的参与感;在表现手法方面,利用增强现实(AR)、虚拟现实(VR)等技术手段,结合生成式AI实现文字、图像、音频与视频等多模态内容与数字展品交互的虚实融合,提高访客的沉浸感。    

(2)智能助手开发。对于希望进一步深入了解展品的访客,基于生成式AI开发智能聊天机器人,可提供即时信息回复、个性化推荐、互动问答、游戏和故事讲述等功能,以提升参观体验的趣味性和教育意义;同时在互动内容数据的基础上进行情感分析,以持续优化展览内容与服务。

3.2.3 数字教育功能

(1)知识文化融合。虚拟博物馆集成服饰文化与历史知识库,并使用生成式AI进行引导,以辅助参观者在访问过程中理解深层次的文化元素及内涵,促进其对文化遗产的理解和创新应用。

(2)创意设计激发。虚拟博物馆接入生成式AI工具平台,可根据提取的文化或设计要素在云端服务器快速生成设计原型、创意案例和文创产品,并提供即时实验与设计修改功能,以提高学习的参与度和应用性。

虚拟博物馆设计总体方案框架如图5所示。

图5 虚拟博物馆设计总体方案框架    

4 结束语

作为一种在某种意义上实现了创作“自动化”的技术,生成式AI自诞生之日起便饱受争议,引发了机器能否取代人类设计以及版权与伦理层面的广泛讨论。但正如19世纪摄影技术的出现并没有导致绘画艺术消亡一样,生成式AI与人类创作的关系更趋向于互补和协同,而非简单的替代与竞争[15]。生成式AI赋能虚拟服饰博物馆设计的实践证明,它不但能够提高设计效率与质量,拓展艺术与设计的边界,为其提供新媒介和新工具,还在平衡文化传统与技术创新,保护和传承人类文化遗产,助力文化创意产业发展等方面表现出无限潜力,值得深入研究与发掘。    

参考文献见《纺织科技进展》2024年第8期。

扫码关注我们

微信号：fzkjjz

投稿网站：https://scfk.cbpt.cnki.net/t

邮箱：fzkjjz@163.com