基于风格特征的花瑶挑花图案智能设计路径

陈鋆纯 季铁 彭坚 王斌

Intelligent design path of Huayao cross-stitch patterns based on style characteristics

摘要： 运用智能技术对民族图案进行传承与创新已然成为文化科技深度融合背景下的研究热点，但现有民族图案的智能生成研究多聚焦于对智能技术的使用，对民族图案本体的风格特征少有深入挖掘。本文以花瑶挑花图案为对象，在保持其风格特征的基础之上，探索花瑶挑花图案的智能生成形式与方法。首先，对花瑶挑花图案的风格特征描述进行收集和语义归纳，同时通过重要性评估和统计分析提取典型的风格特征因子。然后，对所提取因子进行解析并基于其进行花瑶挑花图案的智能设计形式转换和设定。最后，针对花瑶挑花外轮廓形态方正的数据特征，引入轮廓检测填充模块和形态模块，提出新的模型结构HYCycleGAN对花瑶挑花再设计形式进行智能设计实践，生成可调整的辅助设计方案。实验证明，以花瑶挑花图案风格特征延续为视角的花瑶挑花图案智能设计方法，优化了民族图案智能设计的路径，为民族图案的智能设计提供了新思路。

关键词： 风格特征;民族图案;花瑶挑花;民间手工艺;智能设计;生成对抗网络

中图分类号： TS941.2; TB472    文献标志码： A    文章编号： 10017003（2023）090112

引用页码： 091202    DOI： 10.3969/j.issn.1001-7003.2023.09.013（篇序）

随着智能技術在文化领域的全面渗透，对民族图案的数字化与智能化保护、传承和创新的态势日益凸显。民族图案演绎了一个民族的历史文化、人文精神和价值观念，是民族传统文化的重要组成部分，运用新兴技术对民族图案进行创新设计逐渐成为活跃的研究与实践方向，不仅丰富了民族图案的多样性，更有助于民族图案的传播和共享，这是民族图案传承发展的契机，亦是其核心文化与价值能否持续所面临的挑战。民族图案风格各异，具有独特的艺术特色、审美意趣和精神内涵，然而在对民族图案进行智能设计时，通常忽略了对其本体文化基因的深入研究与挖掘，极易造成对民族图案创新过程中的文化属性消解。因此，在数字智能技术赋能民族图案再生的语境之中，以何种方式才能在保持民族图案艺术特色的前提下对其进行智能设计，是亟待关注与探究的问题。本文以花瑶挑花图案为例，以保持其图案原型的“风格特征”为视角，探寻图案的智能化设计和风格保持之间的平衡点，并构建花瑶挑花图案的智能设计路径。

1 民族图案的风格特征与智能设计

1.1 民族图案的风格特征

风格这一概念常用以概括和反映对象相对稳定且显著的

艺术面貌，体现于内容和形式的统一之中，包括个人风格、群体风格、区域风格和时期风格，具有同一性和多元化的特点。某种特征在对象中的重复出现便形成风格，风格通过对象中的共同特征而进行度量，特征之间的语法或拓扑关系是维持风格的关键因素［1］。民族图案是一个民族在生活、生产、传说、信仰、审美等方面的缩影，各民族文化的差异孕育了民族图案的独特性，因此民族图案拥有鲜明的地域性和民族性特点，在构型、赋色和语义上呈现鲜明的风格特征［2］和规则文法［3］，蕴含丰富的美学特征与文化内涵［4］。将其运用于现代创新设计不仅能丰富设计形式，避免“文化同质性”［5-6］，也是民族图案传承与永葆生命活力的有效方式［7］。而在对民族图案进行创新设计的过程中，需要立足于民族图案原有根基之上，对其文化精髓和风格特征进行合理的继承和保留。

花瑶为瑶族的一个较小支系，主要分布于湖南省隆回县境内的虎形山地区，拥有上千年的悠久历史与文化积淀。花瑶有自己的语言但没有文字，挑花就是花瑶人的编年史，花瑶女子运用挑花图案“以纹代文”记载并呈现民族文化的发展和变迁［8］，花瑶挑花融汇了花瑶民族的民族性格、历史变迁、意识形态、手工艺术，是花瑶人生生不息的民族文化的活态载体，蕴含极高的审美艺术与社会文化价值，2006年被列入国家首批非物质文化遗产名录。花瑶传统服饰中的筒裙因其所占面积最大，上面的挑花图案密度最高，故筒裙之上的挑花图案是花瑶服饰中最精彩的部分，如图1所示。

1.2 民族图案的智能设计

运用智能技术创新民族图案能有效缩短图案设计的周期，丰富图案的表达形式，是计算机与设计学科进行跨学科交叉研究的焦点之一。然而在延续民族图案艺术风格和特色的基础上对其运用数字化、智能化技术进行创新是一个富有挑战的工作［9］。现有关于运用计算机技术对民族图案进行创新设计的研究主要有3类：第一类是在智能设计中保留民族图案本身构图形式［10-12］;第二类是从保留图案单元形的角度出发对民族图案行智能设计［13-14］;第三类是运用智能技术使图案单元形呈现全新视觉形态［15-17］。上述研究从不同的创新形式上运用计算机技术对民族图案进行了智能设计，但现有研究主要侧重于如何使用计算机智能技术快速生成设计方案，对民族图案本体所蕴含的风格特征尚缺乏全面、深度、客观的解读与挖掘，而使民族图案原型的典型文化属性和基因得以最大限度保留是进行民族图案智能设计的基础与核心，在民族图案的智能创新设计过程中，以何种方式才能使民族图案的风格特征得到延续需要着重探讨。

随着深度学习技术的发展与应用领域的拓展，有学者将基于卷积神经网络框架（CNN）的风格迁移算法运用于民族图案设计生成，如侯宇康等［18］采用该框架算法对苗族织物蜡染和挑花图案的创新设计。此外，也有学者提出基于生成对抗网络框架（GAN）对民族图案进行智能生成［19］。而现有花瑶挑花图案的创新设计研究与实践多集中于对图案的传统视觉设计之上［20］，对花瑶挑花图案进行智能设计的探索较为缺少，仅有从语义的视角对花瑶挑花图案进行智能辅助设计方法的探讨，提出使用有监督学习GAN框架用于花瑶挑花创新图案的上色［21］。CNN框架和GAN框架均可用于风格迁移任务，CNN框架通常采用基于特征的方法，即先将图像分解为不同的特征层，然后对每一层进行风格和内容的匹配，但由于没有考虑到全局的图像结构，会导致输出图像局部信息的不连贯或不真实，在图案纹理细节处理上仍存在问题。相对CNN框架，GAN框架可通过训练生成器和判别器的对抗来学习生成更真实的图像。但传统的GAN方法通常需要成对的训练数据，如已有提出的花瑶挑花图案上色模型，需要成对的数据用于训练，而花瑶挑花图案在风格迁移中无成对数据，且数据量稀少，因而有监督学习的方式是不可行的。CycleGAN模型［22］可以通过两个生成器和两个判别器的循环对抗训练，它无须成对的训练数据且可生成更加稳定和多样性的图像，在保持图像整体一致性和真实性的同时可实现跨域图像的转换，比传统的基于特征的方法更具有泛化性。但CycleGAN模型难以实现两个图像域间的转换，因此，本文基于花瑶挑花的风格特征，对无监督学习模型CycleGAN进行优化改进，提出模型结构HYCycleGAN用于花瑶挑花图案的智能生成。

1.3 基于风格特征的花瑶挑花智能设计研究方法

本文以花瑶挑花图案为例，提出基于风格特征的民族图案辅助设计路径，研究流程如图2所示。1） 首先通过专家访谈对花瑶挑花图案进行风格特征的感性语义收集和提取，并对其进行语义整理与归纳，其次由设计师进行风格特征因子的重要性评估，最后对问卷数据进行统计计算，从中获取花瑶挑花图案的典型风格特征因子;2） 对花瑶挑花的典型风格特征因子进行桌面分析，总结智能设计中需要保留的关键风格特征要素，并将其进行设计转换，设定智能设计形式;3） 根据前文所设定的基于风格特征的花瑶挑花再设计形式，选择相应技术生成花瑶挑花风格图像。

2 花瑶挑花图案风格特征因子提取

对花瑶挑花图案进行风格特征的挖掘是运用智能技术对其进行创新设计的基础，为了提取花瑶挑花图案中典型的风格特征因子，本文通过感性工学实验和问卷调查的方法对其进行研究。具体步骤如下：

1） 专家访谈。从花瑶挑花图案中挑选15张典型图案作为访谈素材，邀请10位有五年以上设计经验并参与过花瑶挑花文化研究和创新设计的平面设计师、产品设计师、交互设计师、服装设计师，用简短的语句描述花瑶挑花图案的风格特征。

2） 语义整理。对所收集的风格特征描述进行语义整理与风格特征词汇抽取，将相似语义词汇进行合并，关联度不高的语义词汇进行剔除，得到风格特征因子描述词汇a1～a16，如表1所示。

3） 問卷调查。将15张典型花瑶挑花图案和16项风格特征描述进行网络问卷编制，邀请118名花瑶挑花绣娘和设计师对每项描述进行网络打分，评分分值为1～7分，1分表示此项描述不能体现花瑶挑花的典型风格特征，7分表示此项描述非常能体现花瑶挑花的典型风格特征。发出问卷118份，共获得有效问卷101份。

4） 信效度分析。本研究问卷信度分析使用内部一致性信度（Cronbach’s coefficient Alpha），效度分析使用结构效度（KMO及Bartlett检验）进行检验。结果显示，本问卷的Alpha值为0.790，KMO值为0.731，问卷信度和效度良好。

5） 统计分析。设风格特征词汇为a，共有m项风格特征词汇，邀请n位设计从业者对风格特征词汇的代表性进行网络打分，第j位志愿者对风格特征词汇i分别打分为xji，则第项风格特征词汇的评分平均值为：

式中：xji为第j位志愿者对第i和风格特征词汇的打分。

风格词汇的平均值pi越大，表明此风格词汇的重要性越高，在对花瑶挑花图案进行再设计的过程中愈加应该对该项风格特征予以保留。通过对不同风格特征词汇的平均值进行比较，统计均值较大的风格特征因子，如表2所示。

其中，a5、a15和a3的均值分别为6.12、6.06和5.92，分别有50.85%、48.31%和40.68%的设计人员认为a5、a15和a3非常能体现花瑶挑花图案的风格特征，说明构图特征中的对称性、饱满和疏密有致是花瑶挑花图案的显著风格;a11和a6均值分别为6.03和5.97，分别有44.92%和36.44%的设计人员认为其非常能体现花瑶挑花图案的风格特征，因此语义特征中的故事性和寓意丰富也是对花瑶挑花图案进行再设计不能忽略的典型要素。其次，a4均值为5.92，41.53%认为其非常能体现花瑶挑花图案的风格特征，a8均值为5.86，40.68%认为其非常能体现花瑶挑花图案的风格特征，表明造型特征中的生动性和工艺特征当中的十字针脚同样应该予以保留。

3 花瑶挑花风格图案智能设计形式构建

3.1 花瑶挑花图案的风格特征

a5：对称性。由于花瑶挑花图案大多挑制于花瑶服饰的筒裙之上，为了保持人站立时的视觉平衡，挑花图案具有绝对对称性，给人视觉上的稳定和平衡的形式美感。

a15：构图饱满。花瑶人将理想追求物化于挑花图案构图之中，追求完整，以满为美，以此寄情对生活圆满、完美的憧憬。

a11：故事性。花瑶挑花作为花瑶民族文化重要的物质载体之一，题材丰富多样，有动植物、民俗故事和神话传说等，展现了花瑶族人的所闻所见和心态观念，图案中所表达的内容极富故事性。

a6：寓意丰富。花瑶挑花图案是其民族文化的缩影，拥有丰富的文化语义，通常使用谐音、寓意和符号形式进行情感的象征表达，彰显花瑶人和美、兴旺、繁盛等感悟和愿景。如杯嘎哟图案象征圆满幸福、五谷丰登之意，老虎图案象征虎虎生威、吉祥平安。

a3：疏密有致。挑花工艺精致，图案中繁密处针针相套，不见底色，而稀疏处运用简约的图案或线条填充画面，对比分明，疏密有致，视觉冲击力强烈。

a4：生动性。花瑶女子在挑花的过程中没有规则的束缚，她们不必描摹打稿，凭腹稿与自我的审美理解飞针走线，对所见所想和情感理想进行即兴表达，她们依靠经年积累的挑花经验徒手在布料经纬之间挑制纹样，纹样造型上遵循自由赋形的观念。因此，同一主题内容也会出现不同的造型方式和表现手法，画面内容生动。

a8：十字针脚。花瑶挑花工艺独特，采用特殊的“挑”绣针法，在正面与反面分别以十字纹和一字纹为针脚组织画面，正反成图，“十字花”针脚是挑花图案呈现的视觉表征。

3.2 智能设计形式转换

基于以上对花瑶挑花图案各典型风格特征因子的分析，本文将统计均值较大的风格特征因子归纳为构图特征、造型特征、语义特征、针法特征4个方面，并对花瑶挑花风格图案智能生成形式进行设定，如图3所示。

1） 构图特征：包括a5、a15、a3，保留对称、满构图的构图形式以设定构图规则;主体纹样针脚密集，不现底色，和填充纹样相对稀疏简练。

2） 造型特征：包括a4，花瑶挑花图案的寓意内容主要取决于主体纹样，主体纹样在内容的选择上不受任何约束，具有生动可塑的特征，因而主体纹样由用户自主选取或描绘的简笔画图像生成。

3） 语义特征：包括a11、a6，花瑶挑花图案的填充纹样通常根据主体纹样的题材和类型进行选择与构思，具有丰富语义特征，因而填充纹样的转换形式可由用户从填充纹样数据库中通过语义搜索选择意向纹样进行填充。民族图案语义属于隐性知识，需要对民族图案语义进行前期整理与归纳，并将单位图案数据进行相关语义标注，构建花瑶挑花纹样数据资源库，由用户根据语义选取单位纹样，再进行基于构图规则的排版重构。

4） 针法特征：包括a8，以十字针脚作为生成图案的视觉表现最小单位，智能生成相似风格特征的设计方案。

4 花瑶挑花风格图案智能生成实践

4.1 主要生成方法

4.1.1 智能算法数据集构建

本文首先通过对所收集的花瑶挑花图案进行矢量化描摹，然后对其进行分解获得花瑶挑花图案的主体纹样数据集，主体纹样数据集由79张花瑶挑花主体纹样图像构成。通过爬虫技术从互联网上爬取获得简笔画图像数据，并根据清晰度及美观度从中筛选100张简笔画图像建立简笔画数据集。将简笔画图像数据集和花瑶挑花主体纹样数据集共同作为训练集进行深度学习网络算法学习，进而生成花瑶挑花风格纹样。

4.1.2 花瑶挑花主体纹样生成算法设计

由于花瑶挑花图案数据量稀少且无成对数据，本文运用CycleGAN模型将简笔画图像转换为与之相对应的花瑶挑花风格图像。此转换过程的本质即使用配对的简笔画图像和花瑶挑花纹样对来学习输入的简笔画图像域X和输出花瑶挑花风格图像域Y之间的映射关系。CycleGAN模型能够在尽可能保留简笔画图像本身造型特征的基础上，结合花瑶挑花图像域数据中本身的风格特征，生成新的具有花瑶挑花特征的新图像。此外，由于简笔画仅由简单线条构成，花瑶挑花纹样则是由针脚构成整个纹样，CycleGAN模型很难直接从这两个图像域间获取有效对应的信息以实现域的转换，因此需要对CycleGAN模型做进一步优化以适配该数据集。基于此，本文提出HYCycleGAN模型，即针对CycleGAN模型的简笔画域生成器和判别器进行改进，增加了轮廓检测填充模块和形态模块。首先，在简笔画域的生成器和判别器中，本文构建轮廓检测填充模块，通过OpenCV轮廓检测算法计算出简笔画图像的内外轮廓集，并以此来划分出简笔画图像轮廓集所构成的封闭区域，再对这些封闭区域进行填充使简笔画图像与其背景得到不同值，从而从背景中分离目标图案。其次，由于花瑶挑花需严格依据底布经纬进行挑制，因此其纹样外轮廓呈现方正的视觉形态，本文提出运用形态模块使生成图案外轮廓实现由曲转直。形态模块通过大小为2×2卷积核与轮廓检测填充模块得到的数据做卷积计算，先对图像中的每个像素点进行扫描实现图像膨胀，再对膨胀数据以1︰5的下采样率进行下采样，最后以最邻近插值的方式进行上采样，进而使得简笔画数据的外轮廓更符合花瑶挑花纹样的特征。本文设置轮廓检测模块和形态模块为不可训练状态，得到的数据将

输入到生成器中可以训练层中用于训练模型其他层的权重，这里采用生成对抗的方式训练来智能生成花瑶挑花图像，该模型由生成器和判别器两部分构成。为了实现非配对情况下简笔画图像X到花瑶挑花图像Y的映射，即G：X→Y，生成器用于将简笔画图像生成花瑶挑花风格图像，记作G（x），判别器用于区分生成的花瑶挑花风格图像分布与真实的花瑶挑花纹样分布，通过训练直至判别器无法继续进行区别两种图像。但由于此映射的高度欠约束性，本文再次引入一个生成对抗网络框架作为逆映射，即F：Y→X，并使用循环一致性损失来将两个生成对抗网络模型相结合，从而得到由两个生成对抗网络模型构成的循环架构。

本文的编码器和判别器均由多个残差卷积神经网络块构成。为了使该循环架构训练学习得到目标花瑶挑花风格图像，本文设立的损失函数由两部分构成：对抗性损失函数和循环一致性损失函数。对抗性损失函数与生成器和判別器的映射公式如下：

式中：Lossgadv和Lossfadv分别应用于两个不同生成器和判别器的映射，Dy用于判别生成的花瑶挑花图像和真实的花瑶挑花图像，Dx则用于判别生成的简笔画与真实简笔画，G和F分别代表两个不同的生成器。

本文通过循环一致性损失函数来确保两次经过生成器得到的简笔画图像与原始输入的简笔画图像、花瑶挑花风格图像与原始花瑶挑花纹样相对应，公式如下：

结合对抗损失和循环一致损失，最终损失函数为：

Loss=Lossgadv+Lossfadv+λLosscyc（5）

式中：λ为控制两个目标相对重要性的参数。

本文在Centos系统中实现此算法，CPU型号为Intel（R） Xeon（R） Gold 6230 CPU@2.10 GHz，核数为20。使用型号为NVIDIA GeForce RTX 2080 Ti的GPU进行训练，训练模型所占用显存大小为3.8 G。训练好的模型生成器权重参数为11.38 M，每生成一张尺寸大小为256×256图像所需内存为431.61 M。

4.1.3 花瑶挑花图案智能构图

花瑶挑花图案构图通常分为1层构图、2层构图和3层构图，本文依据此纹样组织形式在系统中进行预设，系统根据用户选择的不同构图模式进行不同的规则纹样构图排布。以3层构图为例，第1层和第3层使用用户选择的填充纹样进行横向二方连续填充。第2层构图中，为了实现满构图的特征，本文首先计算出智能生成的花瑶挑花风格主体纹样所需面积大小，根据其预估纹样可能存在的画布区域，再通过随机算法来随机分布主体纹样和填充纹样的位置，最后利用搜索算法查询纹样之间空隙较大的区域，系统选择随机填充纹样对画面进行填充，通过镜像算法使其满足对称性，从而构成最终花瑶挑花风格图案。

4.2 生成系统与交互步骤

花瑶挑花风格图像智能生成系统的关键界面如图4所示，左侧的操作区域包含画布设置、构图选择、图像输入、纹样选择的操作项，右侧为图像生成的展示界面。系统交互步骤如图5所示：1） 设置画布尺寸。2） 选择构图模式。3） 首先输入简笔画图像，系统将其智能生成花瑶挑花风格的主体纹样;再根据所选的构图模式，在系统纹样库中根据语义搜索分层选择意向填充纹样。4） 系统根据所设置的画布尺寸、构图模式、所生成的主体纹样和所选的填充纹样，快速生成多张个性化花瑶挑花风格图像，用户可从中选择意向图像并以此作为辅助设计方案。

4.3 生成方案优度评估

为了验证花瑶挑花风格图像生成系统的生成效果，本文使用不同的简笔画图像进行花瑶挑花风格图像的生成，如图6所示，并通过问卷形式对生成方案进行优度评估。问卷包括5张花瑶挑花智能生成图案Y1～Y5，评分分值为1～5分，邀请10位花瑶挑花文化持有者与具有花瑶挑花文化创新设计经验的设计从业人员对生成方案进行逐一评分。分别从风格延续性Z1与视觉美观度Z2两个维度进行打分，均值Y越大，表明此评价维度的评价越高，问卷优度评估统计结果如表3所示。通过对问卷结果进行分析可见，花瑶挑花风格智能生成设计方案获得文化持有者与设计从业人员双方的肯定，能较好地延续花瑶挑花的风格特征并获得视觉认同。

5 结 论

深入挖掘民族图案的文化精髓、领悟其美学内涵，并通过设计和科技两大驱动力将其文化艺术因子转化成为智能辅助设计素材，对中国文化创意产业的发展与文化复用具有重要意义。本文首先对民族图案进行了风格特征要素的感性认知，并从中提取风格特征因子，通过重要度评价获取典型风格特征;其次对这些风格特征因子进行解析和智能设计形式的转换与设定;最后根据智能设计形式对智能设计方法进行选择与生成实验，并对所生成的花瑶挑花图案风格特征的设计参考方案进行优度评估。当下人工智能（AIGC）生成内容正重新塑造着全新的内容创作范式，在此数智赋能的文化创新生态语境之中，对民族图案本体的风格属性进行挖掘与延续能提高民族图案智能设计的优度，也是传承、传播和共享民族文化资源的必要环节。

参考文献：

［1］CHAN C S. Can style be measured？［J］. Design Studies， 2000， 21（3）： 277-291.

［2］雷圭元. 中国图案美［M］. 长沙： 湖南美术出版社， 1997.

LEI Guiyuan. Chinese Pattern Beauty［M］. Changsha： Hunan Fine Arts Press， 1997.

［3］KNIGHT T W. Color grammars： The representation of form and color in designs［J］. Leonardo， 1993， 26（2）： 117-124.

［4］苟双晓. 中国少数民族图语［M］. 成都： 西南交通大学出版社， 2020.

GOU Shuangxiao. Chinese Minority Languages［M］. Chengdu： Southwest Jiaotong University Press， 2020.

［5］陈辉. 民族文化符号在视觉传达设计中的运用分析［J］. 南京艺术学院学报（美术与设计）， 2016（6）： 169-172.

CHEN Hui. Analysis on the application of national cultural symbols in visual communication design［J］. Journal of Nanjing Arts Institute （Fine Arts & Design）， 2016（6）： 169-172.

［6］ZHAO Kanglin， CHEN Zhiying. Research on innovation in visual communication design based on national characteristic cultural symbols［J］. Guizhou Ethnic Studies， 2018， 39（5）： 4.

［7］徐百佳. 民族圖案元素是现代设计之魂： 贵州苗族图案元素在家纺设计中创新［J］. 南京艺术学院学报（美术与设计）， 2011（4）： 114-116.

XU Baijia. National pattern element is the soul of modern design： Innovation of traditional pattern of Miao nationality in Guizhou in modern domestic textile［J］. Journal of Nanjing Arts Institute （Fine Arts & Design）， 2011（4）： 114-116.

［8］沈雷， 舒鹦姿. 深在闺中的艺术奇葩： 解读湖南隆回小沙江花瑶妇女服饰挑花纹样［J］. 民族艺术研究， 2012， 25（4）： 102-107.

SHEN Lei， SHU Yingzi. A wonderful work of art in the boudoir： An interpretation of the flower patterns of Huayao women’s dress in Xiaoshajiang， Longhui， Hunan province［J］. Ethnic Art Studies， 2012， 25（4）： 102-107.

［9］赵海英， 杨一帆， 徐光美. 新疆民族民间艺术图案生成方法［J］. 计算机系统应用， 2011， 20（7）： 94-99.

ZHAO Haiying， YANG Yifan， XU Guangmei. Design method for Xinjiang folk art pattern［J］. Computer Systems & Applications， 2011， 20（7）： 94-99.

［10］TIAN G， YUAN Q， HU T， et al. Auto-generation system based on fractal geometry for batik pattern design［J］. Applied Sciences， 2019， 9（11）： 2383.

［11］赵海英， 彭宏， 张小利. 基于进化计算的地毯图案生成方法［J］. 图学学报， 2015， 36（1）： 41-46.

ZHAO Haiying， PENG Hong， ZHANG Xiaoli. A generation method of carpet pattern based on evolutionary computation［J］. Journal of Graphics， 2015， 36（1）： 41-46.

［12］朱苗苗， 吕健， 刘翔， 等. 交互式遗传算法在民族图案创新设计中的应用［J］. 计算机工程与设计， 2019， 40（11）： 3324-3348.

ZHU Miaomiao， L Jian， LIU Xiang， et al. Application of interactive genetic algorithm in innovative design method of national pattern［J］. Computer Engineering and Design， 2019， 40（11）： 3324-3348.

［13］罗茜， 余鲁. 形状文法视角下汉代漆器云纹纹饰的应用研究［J］. 包装工程， 2021， 42（4）： 292-298.

LUO Xi， YU Lu. Application of lacquerware moiré patterns under perspective of shape grammar［J］. Packaging Engineering， 2021， 42（4）： 292-298.

［14］黄灿君. 基于Web的丝绸文物创意设计专家系统关键技术开发［D］. 杭州： 浙江大学， 2018.

HUANG Canjun. Key Technologies of Developing the Silk-Relics Creative Design Expert System Based on Web［D］. Hangzhou： Zhejiang University， 2018.

［15］袁惠芬， 程皖豫， 王旭， 等. 基于Kronecker积的分形图案设计及在望江挑花中的应用［J］. 东华大学学报（自然科学版）， 2017， 43（5）： 651-654.

YUAN Huifen， CHENG Wanyu， WANG Xu， et al. Fractal pattern design based on Kronecker product and the application in Wangjiang cross stitch［J］. Journal of Donghua University （Natural Science）， 2017， 43（5）： 651-654.

［16］CUI J， TANG M X. Integrating shape grammars into a generative system for Zhuang ethnic embroidery design exploration［J］. CAD Computer Aided Design， 2013， 45（3）： 591-604.

［17］INDRAPRASTHA A， SAHPUTRA Z， SUHARJONO A. Preserving local ornament through algorithm［J］. Jurnal Ilmu Komputer dan Informasi， 2013， 6（2）： 52-58.

［18］侯宇康， 呂健， 刘翔， 等. 基于神经风格迁移网络的民族图案创新方法［J］. 图学学报， 2020， 41（4）： 606-613.

HOU Yukang， L Jian， LIU Xiang， et al. Innovative method of ethnic pattern based on neural style transfer network［J］. Journal of Graphics， 2020， 41（4）： 606-613.

［19］DENG Z R， BAI S J， MA F X， et al. Zhuang national costume images generation method based on deep convolutional generative adversarial network［C］//11th International Conference on Advanced Computational Intelligence （ICACI）. Guilin： IEEE， 2019： 314-319.

［20］阮将军. 隆回花瑶挑花图案的创新与应用研究［D］. 长沙： 湖南师范大学， 2014.

RUAN Jiangjun. Research into Innovation and Application of Longhui Huayao Cross-Stitch Patterns［D］. Changsha： Hunan Normal University， 2014.

［21］CHEN J C， JI T， PENG J， et al. An ai-assisted design method for “Huayao cross-stitch” patterns based on semantics［J］. Design for Inclusion， 2022， 45： 24.

［22］ZHU J Y， PARK T， ISOLA P， et al. Unpaired image-to-image translation using cycle-consistent adversarial networks［C］//16th IEEE International Conference on Computer Vision （ICCV）. Venice： IEEE， 2017： 2223-2232.

Intelligent design path of Huayao cross-stitch patterns based on style characteristics

CHEN Junchun1， JI Tie1， PENG Jian1， WANG Bin2

（1.School of Design， Hunan University， Changsha 410082， China; 2.School of Computer Science and Engineering，Central South University， Changsha 410083， China）

Abstract： Ethnic patterns， a kind of visual symbols with unique representation forms and symbolic connotations， serve as a nation’s unique marks in terms of its historical background， social environment， production and life， ideas and beliefs， presenting distinct regional and national characteristics. The Huayao ethnic group is a small branch of the Yao nationality， with a time-honored history and rich culture of thousands of years. Huayao cross-stitch is a unique artistic form of folk handicraft owned by the Huayao people as well as a “living carrier” of Huayao people’s everlasting national culture. Huayao cross-stitch patterns， aesthetically appealing with rich cultural implications， hold evolutionary records of the development and change of Huayao national culture. The innovative design of Huayao cross-stitch patterns is one of the most effective ways to activate the inner vitality of Huayao culture. At present， the active use of intelligent technology to inherit and innovate ethnic patterns is a hot topic among the scholarly community under the background of deep integration of culture and technology. In this way， the design cycle can be greatly shortened and pattern forms can be significantly enriched， which opens up unlimited creative space for the innovative design of ethnic patterns. However， the majority of existing research on the intelligent generation of ethnic patterns focuses on the use of intelligent technology， and there are few attempts regarding an in-depth exploration of the style characteristics of ethnic patterns.

This paper explored the forms and methods of the intelligent generation of Huayao cross-stitch patterns based on retaining their style characteristics. Firstly， the descriptions of style characteristics of Huayao cross-stitch patterns were collected and semantically summarized by using Kansei engineering experiments and questionnaires or surveys. Typical factors determining style characteristics were extracted through importance evaluation and statistical analysis. Then， the extracted factors were analyzed and summarized into four dimensions in terms of style characteristics： composition， modeling， semantics and stitches， based on which， the setting and conversion of intelligent design forms of Huayao cross-stitch patterns were carried out. Finally， the deep learning network algorithm learning was carried out by constructing the main patterns of Huayao cross-stitch and the stick figure image data set to generate the patterns with Huayao cross-stitch style characteristics. According to the data characteristics of the outer contour of Huayao cross-stitch patterns， the contour detection filling module and the shape module were then introduced， and a novel model structure named “HYCycleGAN” was proposed to intelligently generate the main patterns of Huayao cross-stitch， and then the intelligent design practice was carried out with accordance with the preset pattern organization forms to generate an adjustable auxiliary design scheme.

In this paper， from the perspective of the continuation of the style characteristics of Huayao cross-stitch patterns， the intelligent generation interactive system of Huayao cross-stitch patterns was constructed through the recognition and extraction of factors with Huayao cross-stitch style characteristics and by the conversion and setting of design forms， and by the selection and optimization of feasible intelligent design methods. With the help of this system， users can freely set a canvas size， a composition mode and input the main patterns and select the filling patterns to generate new cross-stitch patterns. The design generation experiment was carried out and its priority degree was then evaluated， aiming at optimizing the path of intelligent design and providing new ideas for the intelligent design method of ethnic patterns.

Extraction and retaining of the style characteristics of Huayao cross-stitch patterns is the basis and key to the design transformation and cultural innovation of Huayao culture. Huayao cross-stitch patterns boast characteristics and values beyond multiple dimensions of form， behavior and spirit. Therefore， the extraction of the style characteristics of Huayao cross-stitch patterns needs a much more solid field investigation and data collection from a holistic and systematic perspective in order to expand the breadth and depth of the current research. Besides， there is still room for expanding the expression forms and application scenarios in the exploration of intelligent design forms， which is also the research focus of the next stage.

Key words： style characteristics; ethnic pattern; Huayao cross-stitch; folk handicrafts; intelligent design; generative adversarial networks （GANs）