摘要：为提升传统纹样创新设计效率,提出了一种参数化解构和再生设计方法。以八达晕纹样为例,在解读其艺术价值和形态结构的基础上,将其划分为填充、装饰、骨架3类元素,分别拆解为基本图元;各图元参数量化后,构建形态拟合公式,利用Rhino软件建立基础纹样模型;此基础上,通过调整不同参数,生成不同形制的纹样。并进一步,对生成纹样内部区域进行自动赋色。结果表明,基于八达晕纹样的参数化图案设计模型可衍化出不同风格效果的近似纹样,拓展纹样生成的丰富性;相较于传统设计方法,该方法实现由线稿、结构、赋色的一体化设计,为当代服饰纹样再生方法提供参考。

摘要：为有效扩展曲面枕个体适应性,满足大规模个性化定制需求,提出了基于机器视觉的曲面枕个性化定制方法。采用MINet显著性目标检测实现人像的自动分割与轮廓提取。在此基础上,对人像中的4个关键参考点、32个特征点进行提取,实现轮廓曲线的快速拟合与尺寸测量,以此方式构建头部样本数据集。通过数据聚类,将65个样本划分成12类,使用三维建模软件绘制出适合个体头、颈、肩部尺寸需求,满足仰、侧睡姿需求的曲面枕。实验得到12种曲面枕关键尺寸参数,包括侧卧区域高度、仰卧贴合区域曲线峰值和谷值。该方法进一步扩展了曲面枕形态适应性,为曲面枕定制提供分类方法参考。

摘要：蝶翼色彩娇艳华美、醒目多变,是纺织品图案仿生设计的重要灵感来源。为具象化表述不同类别蝴蝶的呈色特点,解析其色彩组合规则,以图谱方式描绘色彩构成,并应用到当代纺织品设计当中,选取5类不同呈色风格的蝴蝶图像,利用颜色聚类算法提取出颜色占比、颜色距离、节点共现率等关键指标,构建蝴蝶呈色关系图谱,以可视化的方式呈现不同类别蝴蝶的配色形式。实证分析与再生设计部分分别对5类典型蝴蝶,共计100幅样本图像颜色进行提取和分析,依据其呈色规则,复用至线稿纹样当中,形成近似蝴蝶呈色风格的纺织品图案,并在服装、家纺等产品中进行映射和虚拟展示。该方法能够对生物呈色进行量化,为时尚产品意象色彩的提取和应用提供了参考方案。

摘要：为提升织物图像检索的准确性,采用改进的广义产品量化(generalized product quantization, GPQ)半监督神经网络实现弱纹理织物图像的检索。通过CLAHE方法增强织物图像纹理,加强底层纹理特征,以降低深度学习特征过拟合的概率。利用GPQ框架中产品量化、基于余弦相似性分类器和子空间极小最大熵损失计算,对提取的特征向量进行归一化,寻找最相似织物图像。实验中采用的织物数据集包含了12类不同纹理形式的织物试样,共计1 800幅图像。分别对比了基于颜色直方图的词袋模型、尺寸不变特征变换模型、最近邻和优化产品量化算法。结果表明:改进的GPQ半监督神经网络方法的平均精度均值达到89.47%,检索性能最优。该方法能批量、低成本检索出相似织物图像,提高织物图像检索的准确性。

摘要：为准确提取人体轮廓,提出基于MINet模型的复杂背景人体轮廓提取方法。拍摄正、侧面人体全身照并标注掩膜图,匹配不同的复杂背景,融合形成2860张多场景下的人像数据集。利用迁移学习机制,优化MINet显著目标检测模型,提取人体轮廓。分别对比了基于迁移学习的策略与原模型、U2Net显著目标检测模型、Mediapipe人体轮廓提取算法和传统阈值分割算法的人体轮廓提取效果。结果表明:基于迁移学习的MINet模型具有最优的人体轮廓提取性能,其准确率、精度、召回率和综合指标分别达到了0.998、0.987、0.992和0.990,人体轮廓提取效果与标注的掩模图最为近似。该方法能低成本、批量化、快速提取图像中的人体轮廓,为远程服装定制中的照片测量提供有效的技术方法。

摘要：《花篮图》作为宋代院体画的一种特殊题材,不仅展现了宋代插花艺术的繁荣和兴盛,也反映了文人士大夫在花艺中的审美追求。文章从符号学的视角对宋代李嵩四季《花篮图》进行视觉元素的提取与分析,挖掘宋代花卉文化背后的符号意义,把握其造型特征和文化内涵,通过物质层“形”及精神层“意”的转译手法,进行在丝巾中的设计转译应用。本次设计转译在传承传统花卉文化的基础上,融入现代审美需求,使花卉审美文化更好地融入现代生活,实现宋韵文化的创造性转化和创新性发展。

摘要：文章选用3种不同色彩迁移算法,将蝴蝶的配色风格自动迁移至目标纹样中。将输出纹样与针织毛衫设计相结合,采用虚拟设计的形式呈现不同种类蝴蝶呈色风格。试验选取5类典型蝴蝶作为色彩参考源,对Reinhard、Welsh和Fast Neural Style(FNS)3种算法迁移效果进行对比发现,FNS算法生成图像色彩过渡自然、底色未受影响,与参考图像风格接近,色彩迁移平均耗时每张图片0.37s。该研究从蝴蝶图像中提炼色彩特征,为针织毛衫设计提供了新思路,对其他类型的服饰产品设计具有一定参考价值。

摘要：文章以5个典型民族服饰为实证研究对象,利用图像分析技术,自适应提取序列场景意象色彩,融合多维特征构建色彩网络关系模型;结合待配色对象形态特征,以和谐论为指导,实现基于意象色彩的纹样自动配色。试验部分在解析民族服饰设色形态的基础上,以色序、同类、对比及综合配色法则,自动生成了多类型纹样的风格迁移赋色。该方法的实施提升了设计决策效能,为当代时尚创意与智慧设计提供了参考解决方案。

摘要：为提取更具视觉感知的服饰意象色彩,解析品牌服装设色形态,提出融合视觉显著性的颜色聚类算法。在对比不同视觉显著性算法效果的基础上,利用GLGOV显著算法设置K-means区域权重,对聚类色及其占服装总用色量的比例进行加权优化,并对3个品牌女装用色情况作实证分析。结果表明,Chanel中性色使用较多;Fendi用色量较均衡,各色彩占比差小于21%;Umawang整体色彩偏暗,灰棕色调占比大于70%。该方法能够快速生成系列服饰图像色彩解析模型,为品牌服饰色彩管理和设计提供方法。