2024年1月24日发(作者：)

第44卷 第8期 包 装 工 程

2023年4月 PACKAGING ENGINEERING

1

【院士专栏：中华文化数字化创新设计研究新范式】

人工智能在非物质文化遗产保护与传承中的应用研究现状

马进1，张彤彤1，钱晓松2，胡洁1

（1.上海交通大学，上海 200240；2.北京科技大学，北京 100083）

摘要：目的 对当下人工智能在非物质文化遗产中的研究现状进行梳理、归纳和分析，为更好地保护和传承非物质文化遗产提供思路和参考。方法 详细解读了非物质文化遗产对中华文化产生的深远影响；论述了当下非物质文化遗产知识库构建、分类检索、创新设计三方面国内外发展的现状，归纳并阐述了基于人工智能的工业设计的特点；总结并分析了智能时代下非物质文化遗产领域的发展趋势，对未来智能化的研究方向及研究重点进行了展望。结论 随着智能技术的不断发展，人工智能的应用在非物质文化遗产的保护与传承方面所占的比例也会逐渐增加，而人工智能技术的运用并不是对传统技术的否定，而是为了更好地满足多方面的需求，充分发挥传统技术与人工智能技术的优势互补作用，未来运用人工智能技术对非物质文化遗产进行保护和传承是一种必然趋势。

关键词：人工智能；非物质文化遗产；知识库；分类检索；创新设计

中图分类号：TB472 文献标识码：A 文章编号：1001-3563(2023)08-0001-14

DOI：10.19554/.1001-3563.2023.08.001

Application and Research Status of Artificial Intelligence in Intangible

Cultural Heritage Protection and Inheritance

MA Jin1, ZHANG Tong-tong1, QIAN Xiao-song2, HU Jie1

(ai Jiao Tong University, Shanghai 200240, China;

sity of Science and Technology Beijing, Beijing 100083, China)

ABSTRACT: The work aims to sort out, summarize and analyze the research status of intangible cultural heritage based

on artificial intelligence, so as to provide ideas and references for the better protection and inheritance of intangible cul-tural heritage. Firstly, the profound influence of intangible cultural heritage on Chinese culture was interpreted. Secondly,

the current development of knowledge base construction, classified retrieval and innovative design of intangible cultural

heritage was discussed and the characteristics of industrial design based on artificial intelligence were summarized. Fi-nally, the development trend of intangible cultural heritage in the current intelligence era was summed up and analyzed

and the research direction and focus of future intelligence were prospected. With the continuous development of intelli-gent technology, the application of artificial intelligence in the protection and inheritance of intangible cultural heritage

will gradually increase, and the use of artificial intelligence technology is not the negation of traditional technology, but

aims to better meet the various needs and give full play to the supplementary effect of traditional technology and artificial

intelligence technology. It is an inevitable trend to use artificial intelligence technology to protect and inherit intangible

cultural heritage in the future.

KEY WORDS: artificial intelligence; intangible cultural heritage; knowledge base; classified retrieval; innovative design

收稿日期：2022–12–01

基金项目：国家社科基金重大项目“设计形态学研究”（17ZDA020）

作者简介：马进（1986—），男，博士，助理教授，主要研究方向为智能设计。

通信作者：胡洁（1973—），男，博士，教授，主要研究方向为智能设计。

Copyright©博看网. All Rights Reserved.

2 包 装 工 程 2023年4月

中国拥有悠久的历史以及丰富多样的非物质文化遗产，作为中华民族生产、生活和文化等方面的智慧结晶，非物质文化遗产是中国文化传承的重要载体。对非物质文化遗产的保护与传承，就是对中华民族“文化脉络”的保护与传承，也就是对民族根本的保护与传承。在非物质文化遗产的基础上，人们获得了相关的生产方法和生活方式的知识。然而作为一种“活态”文化，由于社会演化、观念变迁等原因，导致我国当前非物质文化遗产保护与传承存在着诸多问题。随着人工智能技术在各个领域的广泛应用，人工智能（Artificial Intelligence, AI）技术与非物质文化遗产保护、传承和发展的结合也越来越紧密，在非物质文化传承和创作方面的作用也越来越明显。传统观点认为非物质文化遗产作为一种文化表现形式是人类独有的创造，用来传达人类的感受，而人工智能只是一种技术，是在人类的指令下进行的，人工智能不具备创造能力。但事实上，基于人工智能技术创作的作品已经逐渐进入公众视野，并进入了交易市场[1]。人工智能的介入有利于掌握非物质文化表现的态势、传承非物质文化遗产的独特体系、扩大非物质文化遗产受众，有助于解决非物质文化遗产保护和传承存在的问题，实现传统手段所难以达到的目标。随着人工智能技术研究的不断深入和拓展，人工智能在非物质文化保护和传承等方面存在的问题也会得到通过对目前我国非物质文化遗产研究与妥善解决[2]。应用的现状进行系统的分析与归纳，有助于更好地把握当前的研究热点，并探讨新的发展趋势，从而为今后非物质文化遗产的传承与保护工作提供有益的借鉴。

仍然有相当数量的非物质文化遗产面临“传承难”甚至“无法传承”的窘境[6-8]。非物质文化遗产的保护和传承面临巨大的危机。

在非物质文化遗产领域应用人工智能技术，可以加速非物质文化遗产的传承和应用。自我国提出信息发展战略以来，利用人工智能技术保护文化遗产变得更加切实可行。人工智能技术为非物质文化遗产的保护和传承提供了重要的手段[9]。通过科技的力量，将传统的非物质文化形式与现代社会的文化生态相结合，以促进其生存与发展，并在一定程度上培育出符合时代要求的新的文化形式。对于更好地保护与传承非物质文化遗产，人工智能技术将发挥关键作用[10]。人工智能在非物质文化遗产保护与传承中的应用如图1所示。

图1 人工智能在非物质文化遗产保护与传承中的应用

Fig.1 Application of artificial intelligence in the protection and

inheritance of intangible cultural heritage

1 人工智能与非物质文化遗产的“渊源”

从1960年代的概念到今天的实际应用，人工智能引发了开发和应用的三次浪潮。人工智能正越来越多地应用于社会各领域中，并为行业带来深刻的革新[3]。应用范围的不断扩大，不仅提高了其应用价值和影响力，也实现了人工智能技术与产业链的有机融合。作为人类认知能力和情感天赋的延续，人工智能在认知理解领域的深度学习率远高于人类。在通信领域，人工智能在自然语言、智能交互等方面有着重要的应用价值。21世纪是一个智能化时代，人工智能的研究已经渗透到了科技、人文、社会科学、非物质文化遗产的保护和人民的日常生活中。

非物质文化遗产是中华民族文化成就的重要象征之一，是中华民族的智慧结晶，是中华优秀传统文化的重要内容。从一定意义上说，非物质文化遗产是一个国家特有的文化记忆。中国具有极其丰富的非物质文化遗产[4-5]。当下，随着我国经济、社会的不断发展，很多非物质文化遗产逐渐走入人们的视线，但

2 基于智能化的非物质文化遗产可传播知识库构建

非物质文化遗产（Intangible Cultural Heritage,

ICH）蕴含着丰富的知识，对非物质文化遗产知识的有效组织和管理是非物质文化遗产保护和传承的基础。于翔等[11]将人工智能技术与南通蓝印花布纹样艺术特征相结合，将人工智能技术与传统手工艺相结合，对其纹样进行分类与总结，通过对南通蓝印花布图案进行标准化编码的构建，为传承与创新研究南通蓝印花布纹样开辟了一条新途径。图2a是标准化编码在南通蓝印花布上的应用。念其锋等[12]对福建省非遗资料管理与数据利用的现状进行了较为系统的分析，运用七步法建立了非遗领域的实体ICH—Onto，并以福建省非物质文化遗产的代表性项目为例，通过对其本体的分析，较好地反映出非物质文化遗产概念之间的联系。针对古代非物质文化遗产敦煌壁画的保护问题，潘云鹤等[13]提出了一套完整的壁画复原技术、智能交互壁画辅助临摹与基于色彩调和的壁画颜色变化辅助技术，并结合相关技术，得到石窟壁画的Copyright©博看网. All Rights Reserved.

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 3

智能临摹辅助系统和修复辅助系统，进而对石窟壁画文物进行保护。赵海英等[14]提出了一种基于多任务学习的双层多个标签标记模型。将图像的本体标记与隐藏标记视为两项相关工作，主要网络以ResNeXt-50为共用特征，并采用注意力机制构造出相应的分支结构，从而达到图像双重标注的目的。模型架构如图2b所示。笑话，也是中华文化的一种典型代表。任璐等[15]对笑话语料库建立的有关笑话的理论进行了

归纳和总结，并对语料标记、语料分析等方面进行了细致的阐述，并根据语料库的特点，对笑话与故事、微博、歇后语和新闻等四种语料进行识别分类，证明了笑话具有简短、情节丰富、感情色彩丰富的特点。提出不周雨城等[16]针对孝感雕花剪纸的传承与发展，仅要弄清孝感雕花剪纸的来源、发展、演化和创新过程，还要对孝感雕花剪纸的发展关键点进行梳理，真实地记录和保存雕花剪纸的技术，准确、清晰、全方

图2 非物质文化遗产可传播知识库构建

Fig.2 Construction of intangible cultural heritage knowledge base

Copyright©博看网. All Rights Reserved.

4 包 装 工 程 2023年4月

位地采集和数字化处理雕刻剪纸的最终图案，并构建图案要素库。钟远薪等[17]以S艺术数据库为例设计并实现了一个艺术图像知识图谱，从系统功能、内容揭示和数据关联等方面得出知识图谱优于传统数据库的结果。图2c为S艺术图像知识图谱架构图。李欣[18]面向乡村规划设计开发了一种以传统聚落影响因素为“基因”的，环境和文化因素相结合的计算机基因参数模拟方法；提出了基于自然环境和文化因素的聚落中心点选址方法，选取过程完全自动化。以侗族特色传统聚落为原型，创造性地提出了相应的模拟和计算方法，计算机程序令人满意地再现了侗族特色聚落的传统风貌。部分设计成果如图2d所示。

并从中提取了大量的蓝印花布的原始数据资料；随后，采用数据增强技术，对采集到的纹理样本进行了扩展；最后，在深度学习的AlexNet模型的基础上，对基于纹理图案的文化内涵进行了分析，并将其训练集和测试集划分为8∶2；通过对南通蓝印花布纹样数据进行对比，结果显示，在0.002的学习速率下，AlexNet模型对南通蓝印花布的纹样分类结果具有较高的准确度。图3a是南通蓝印花布不同纹样的各种图案。周泽聿等[22]在刺绣图像中应用深度学习和迁移学习技术，解决中华传统绣品在不同数据环境下，绣品资料收集不足的问题，利用Xception模型进行了细微的调整和完善，并在实际应用中发现，在一定程度上增加全连接层的数目，可以提高中华传统绣花分类模型的性能，为数字化保护非物质文化遗产提供了方法支持。图3b为相同绘画风格的蜀绣与湘绣。

耿国华等[23]将SimCLR网络与多尺度方法相结合，实现陶瓷显微图像的分类，结果表明该方法能以较小的代价有效对陶瓷碎片进行分类，达到有效辅助文物修复的效果。江明等[24]介绍了一种新的聚类算法，将聚类算法SC方法与该方法相结合，在云纹图像的自动分类中进行了一些有效的尝试，并将SC特性和ANP-MEAP结合起来，从而实现了云纹图像的自动分类。王若宇[25]针对专家在真伪鉴定任务中，面对不同风格的未署名数字国画图像时无法快速定位画家类别的问题，从多特征融合和特征深层语义表达出发，提出了一种基于多分支注意力机制网络的国画画家智能分类算法。孔谦等[26]从符号学与传播的角度来审视智能分类的意义，通过文献研究、田野调查等手段，对瑶族服饰、织锦上的图案进行了数据采集，并对其进行了初步的分类和预处理，接下来分别利用CNN和FasterR-CNN算法对数据集进行了训练和测验。研究结果表明，两种方法都可以对瑶族图案进行智能分类，平均识别精度很高。纹样标注示例如图3c所示。方方等[27]运用扎根理论、德尔菲法、设计形态学等方法，对扬州漆木柜中9个具有代表性的特点进行了提取，作为综合评价的指标；随后，采用语义差分法对典型度进行了统计分析，得到了典型度分级值；在此基础上，将前向神经网络（Back Propa-gation，BP）神经网络与支持向量机相结合，建立“典型特征—典型度”之间的对应关系，并以典型特征为基础，构造了扬州漆木柜典型程度的分类预报模型。

3.2 检索

在对传统文化数据进行发掘与剖析的过程中，迫切需要对大量的数字图像进行解读和标记，以提高继承与创新运用优秀传统文化的能力。赵海英等[28]利用混排格式的分离方法，从数字图文混排版式中抽取图像、标题和文字。然后，根据服装图片的语义特征，构建传统文化范畴的领域词汇，并根据“领域词汇”

3 基于人工智能的非物质文化遗产分类与检索

3.1 分类

作为联合国教科文组织人类非物质文化遗产的中国粤剧，由于娱乐的多样性和新兴文化的兴起，面临着一系列发展问题。科学地管理粤剧数据有利于粤剧的可持续发展。Chen等[19]建立了科学规范的粤剧专用音频数据库，针对不同粤剧演唱流派节奏特征的相似性，提出了一种基于粤剧流派分类网络（Cantonese

opera Genre Classification Networks，CoGCNet）模型的粤剧演唱类型分类方法。对粤剧演唱的原始信号进行预处理，得到梅尔频率倒谱作为模型的输入。双层长短时记忆网络（Long Short-Term Memory，LSTM）和卷积神经网络（Conventional Neural Network，CNN）混合网络增强了信号之间的上下文相关性。最终实现了粤剧数据的智能化分类管理，同时有效解决了现有方法难以准确分类的问题。实验结果表明，该方法具有较高的分类准确率，准确率达到了95.69%。

严肃游戏在文化遗产应用领域越来越受到关注。CH和教育的一个特殊领域是非物质文化遗产。机器学习（Machine Learning，ML）工具是严肃游戏平台成功的必要元素，因为它们在处理和分析用户的交互性时引入了智能化。Bakalos等[20]介绍了一种用于运动基元分类的深度学习模型。该模型将卷积处理层与双向分析模块相结合。这样，卷积层的每层结构可以有效地处理RGB信息，同时保留了LSTM网络模型的双向属性。由此产生的卷积增强双向LSTM（CEBi-LSTM）架构对骨架错误不太敏感，主要运用低成本传感器（如Kinect），同时在使用RGB视觉信息时处理大量细节。该模型解决了传统CNN滤波器的局限性。实验表明所提出的CEBi-LSTM模型优于传统神经网络模型，背景建模提高了分类性能，移动平均算子提高了整体分类精度。于翔等[21]根据吴远新先生在南通蓝印花布博物馆的大量理论研究，对南通蓝印花布博物馆的蓝印花布实物照片进行了收集，

Copyright©博看网. All Rights Reserved.

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 5

图3 基于人工智能的非物质文化遗产分类

Fig.3 Classification of intangible cultural heritage based on artificial intelligence

的特征，给出了一种改进的“以文标图”的方法，并将其应用于服装文字混排图书中，并与其他相关的数据进行了比较，对算法的有效性进行了检验。为了解决传统壁画中普遍存在的裂纹问题，杨挺等[29]在此基础上，提出了一种基于人工神经网络（Artificial Neural

Network，ANN）的自组织映射方法，以修补图像，并将人工智能技术用于古建筑壁画的修复，并利用数学形态学的方法来实现裂缝的自动标注，从而提升了

识别的准确性；基于自组织映射（Self-organizing

Maps，SOM）算法的聚类特征，对每个信道的像素进行了聚类，然后通过并行处理来快速地进行分层处理。图4a为原图及修复后的僧人图像。涂淳宁等[30]提出了一种关于甲骨文的分类识别方法。针对甲骨文字符中仍有大量字符未被识别这一问题，通过图像识别及自然语言处理的综合运用，对未识别字符的词性及其他特征进行了预测，部分结果展示如图4b所示。

图4 基于人工智能的非物质文化遗产检索

Fig.4 Retrieval of intangible cultural heritage based on artificial intelligence

Copyright©博看网. All Rights Reserved.

6 包 装 工 程 2023年4月

藏族的非物质文化遗产是藏族人世代传承下来的一系列传统文化的表现形式，它与藏族人民的生产、生活密切相关，具有藏族特有的精神价值观和思维模式，蕴含着藏族人民宝贵的智慧，更是中国文化的瑰宝。为了探讨汉藏双语本体在非物质文化遗产领域中的语义检索策略，并为藏语言使用者提供语义查询服务的帮助，陆柳杏等[31]以现有的汉藏双语本体为基础，利用SPAROL进行语义检索，并将SPAROL与语义检索相结合，提出了在非物质文化遗产领域中，将汉藏双语本体用于语义检索的框架与策略，研究结果表明，该方法具有较好的检索效果。SPARQL

query检索结果如图4c所示。在非遗信息资源日益丰富的今天，要建立起一个综合性的信息交流和服务平台，就必须提供文本、图像、视频等多种形式的信息。由于非遗资料非常庞杂，为了达到有效、智能化的检索目的，何春雨等[32]将知识本体和数据关联技术应用于非遗资源的结构化、语义知识单元中，从而达到检索、可视化、知识概念共享的目的。图4d介绍了Protege中的查询检索方法，通过关键词检索，如“传承人”检索，在Protege检索框中，通过“传承人”这几个关键字，可以获得与传承人有关的一切信息，这是利用Protege进行本体建模的优势之一，通过Protege的检索，可以获得全部的资料，让领域内的工作人员可以随时查阅。

4.2 设计创作

4.2.1 智能化的传统工艺

敦煌文化具有典型性，适合跨学科和非物质文化遗产修复与复兴的研究。敦煌不仅以其彩塑、壁画和其他文物而闻名，它还以丰富的历史文献和文化技艺而闻名。石窟壁画作为一种历史悠久的艺术形式，蕴含着深厚的文化内涵，彰显了古人的思想和璀璨的艺术文明，拥有非常重要的艺术价值，在提升中国的文化软实力、扩大文化国际影响力等方面具有积极的促进作用。Ye等[35]探讨了人工智能技术在敦煌文化传承、发展和创新中的应用。Smart Data结合了结构化和可视化技术，人们可以通过计算机处理的全面视图来查看材料，从而提取出更有价值的信息。这些材料可以被可视化，并与时间、空间信息相结合，为研究者找出不容易通过纯文本得出的隐藏信息提供了一条清晰的线索。跨媒体智能结合重建和传播，利用虚拟现实（Virtual Reality, VR）和增强现实（Augmented

Reality, AR）技术，游客可以获得身临其境的体验，观看真实的场景和洞穴中的雕塑等物体，并与之互动。这种参观方式使旅程更加有趣，使文物更加生动活泼，更容易引起人们对敦煌非物质文化遗产的兴趣。针对传统卷积神经网络图像超分辨率重构中特征提取规模太小、不能充分利用背景信息的问题，以及有些算法在超分辨重构中对低频通道特性进行处理，从而在一定程度上忽视了特征通道之间的相关性等问题，闫娟娟[36]提出了一种新的方法，通过多尺度残差注意力网络来实现壁画图像的高分辨率重建。在特征提取阶段，采用不同尺寸的卷积核，从壁画中提取多尺度的特征；在深度残差的映射过程中，引入通道注意力机制建模不同特征映射通道间的相关性，并将其引入局部残差单元中构成残差通道注意力结构，通过级连来增强网络特征表达能力。

创造性的努力是人工智能似乎有望超越人类的另一个领域。例如，Deepmind的围棋计算机程序AlphaGo成功地掌握了这一复杂的游戏，并迅速因其“创造力”而受到称赞。传统艺术是人工智能取得快速进步的另一个领域。这有重要的意义，因为艺术，特别是绘画，几千年来一直被世界上许多地方视为人类创造力的顶峰。在西方，绘画被视为充满了宗教象征意义，并被视为人类艺术的典型表达之一。因此，人工智能艺术作品的进步必然会使当代对艺术创造Elgammal等[38]提出了力和美的理解更加复杂化[37]。一个条件生成式对抗网络（Generative Adversarial

Networks, GAN）框架，可以根据给定的草图自动生成绘制的卡通图像。所提出的架构是一种监督学习方法，给定黑白草图，模型可以绘制彩色图像。训练数据集包含草图以及地面实况彩色图像。为了避免使用纯编码器-解码器网络可能发生的信息丢失问题，这一工作生成器采用了U-net结构，该结构能够将编码

4 基于人工智能的非物质文化遗产修复设计与再创作

4.1 修复

敦煌莫高窟是一座集建筑、雕塑和壁画于一体的综合性艺术，是中国乃至世界上最大的艺术史画廊。但是，经过数千年的风吹雨打，很多壁画都出现了脱落、起甲、褪色、裂痕等问题。为了让敦煌壁画文化走上国际舞台，需要更好地保护壁画，在文化的发展和传播中发挥着举足轻重的作用。传统的壁画保存方法有其自身的缺陷。如何运用智能修复技术来保护敦煌壁画，是当今计算机视觉与图像处理领域的一个重要课题。基于偏微分方程的图像修复方法、基于纹理合成的图像修复方法、基于稀疏表达的图像修复方法以及基于深度学习的图像修复方法是当下常用的四种修复方法。陈永等[33]针对敦煌壁画第25窟部分壁画，采用了基于深度学习的修复方法，实验结果如图5a所示。张鸣飞[34]针对现有网络结构在壁画色彩缺损修复中存在的不足，提出了一种改进的生成对抗网络结构，并验证了该网络各模块改进的有效性。经过实验验证可知，相比于现有修复算法，峰值信噪比（Peak Signal to Noise Ratio, PSNR）评分提高了4%，结构相似性（Structural Similarity, SSIM）评分提高了2%。图5b为修复前后对比图。

Copyright©博看网. All Rights Reserved.

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 7

图5 基于人工智能的壁画修复

Fig.5 Repair of wall painting based on artificial intelligence

器层连接到相应的解码器层。另一方面，鉴别器仅由编码器单元组成，用于将输入的草图-图像分类为“真”或“假”。研究人员利用的两个数据集为：包含1 100个彩色小黄人的小黄人数据集和包含6 000张日本动漫图片的Japanimation数据集，其中90%的数据用于训练，其余10%用于评估。绘制出的部分图像如图6a所示。

（Deep

Zheng等[39]提出了深度卷积对抗生成网络Convolutional Generative Adversarial Networks, DCGAN）

Copyright©博看网. All Rights Reserved.

的修改版本。鉴别器负责对生成的示例是否为艺术进行分类，并对艺术风格进行分类。生成器除了将随机向量作为输入外，还接收来自鉴别器的反馈。研究人员利用了WikiArt数据集，该数据集由15世纪至20世纪1 119位艺术家的80 000多幅画作组成。为了进行定性评估，参与者被要求回答这些是由艺术家还是计算机创造的。他们还被要求根据他们对特定图像的喜欢程度从1到5进行评分。与DCGAN相比，修改版本的DCGAN工作表现更好，53%的受访者认为合

8 包 装 工 程 2023年4月

图6 基于人工智能的绘画创作

Fig.6 Painting creation based on artificial intelligence

成艺术是由艺术家制作的，而DCGAN的这一比例为35%。更有趣的是，它的平均得分为3.2分，高于实际艺术家的平均得分（3.1分）。基于该方法绘制出的部分图像如图6b所示。Philip等[40]引入了一个基于学习笔触生成绘画的框架。首先，使用变分自动编码器来学习笔触的潜在空间。但是，解码器生成的笔触

Copyright©博看网. All Rights Reserved.

包含“晕染”效果，笔触不够平滑，绘制出的图画不是很逼真。这促使作者尝试使用GAN来生成更逼真的笔触。这种方法不像经典GAN那样将发生器随机噪声作为输入，而是提供了动作空间。动作空间是一组参数，用于控制绘画环境，包括画笔大小和颜色，以训练生成器。这种GAN架构生成的笔触更粗糙、

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 9

更逼真。

近几个世纪以来，艺术家们使用了各种各样的工具来创作他们的作品。但是，如果不花大量的时间进行适当的训练，人们很难掌握这项技能。因此，教机器画画是一项具有挑战性的任务，有助于揭示绘画的[41]奥秘。Huang等将目标图像分解为一个有序的笔画序列，以模仿人类在画布上的绘画过程。该训练基于深度强化学习框架，旨在运用智能体为创作连续笔画的绘画进行全局规划。此外，构建了一个可微分的神经渲染器来渲染笔画，允许使用深度强化学习（Deep

Reinforcement Learning，DRL）算法来进一步提高重建图像的质量。智能体能够预知数以百计的笔画，从而生成栩栩如生的图画。实验证明，所提出的方法能够有效地处理不同种类的物体，并且能够较好地绘制出具有较高质感的人像和自然景物。部分实验结果如图6c所示。

Wang等[42]提出了一种创新的柳条图案设计方法，以实现柳条工艺文化的可持续发展。首先，利用ResNet建立阜南柳条图案的图像识别模型。实验结果表明，ResNet对整个图像数据集的最佳识别率为94.36%，现代图案识别率为95.92%，传统柳条图案识别率为93.45%。其次，基于DCGAN，构建了阜南

柳条模式的设计方案生成模型。DCGAN可以自动、创造性地生成图案设计方案，有效激发消费者的情感。最后，设计师以创意图片为灵感来源，对生成的图像进行创新设计，设计出个性精致的柳条图案。该方法将增加图案的多样性，促进传统柳条工艺的可持续发展。经过1 200轮迭代训练，模式生成模型输出512个最终的模式设计方案，部分结果如图6d所示。

花瑶挑花是中华民族特有的传统技艺，被列入国[43]家第一批非物质文化遗产。陈鋆纯等第一步先分析了华瑶挑花的美学特点和生产过程，探寻其文化原型造型化辅助设计的智能转化途径；对样式化的图像进行搜集和整理，采用人工智能等技术对花瑶挑花的纹样进行分割，并从五种风格类型中抽取出不同的构图和颜色语义特征，从而产生新样式的挑花图像；给出了花瑶挑花造型辅助设计体系的基本流程和架构，并将其应用于花瑶挑花文化创意产品的设计中。以此为基础进行的文化创意产品的设计如图7a所示。

郑佳等[44]利用Photoshop绘图软件对原壁画进行了彩色、图案的抽取和人形的描绘，得到了可重构的壁画服装效果图。将恢复的图像分成不同的部分，并对它们的属性进行标记，从而构成了壁画图像的样本

图7 基于人工智能的传统工艺设计

Fig.7 Traditional "Handcraft" design based on artificial intelligence

Copyright©博看网. All Rights Reserved.

10 包 装 工 程 2023年4月

库。实验结果表明，该方法具有很好的完整性。图7b为唐代壁画中服饰和头饰的复刻效果图。中国传统工笔花鸟画的手工着色过程复杂、技术含量高，目前的线稿绘图自动着色算法很难产生自然、合理的渐变效果。李媛[45]等根据条件生成对抗网络，提出了一种交互工笔花卉着色算法，实现了从白描线到工笔花卉色图的自动模拟生成。研究表明，该算法生成的图像具有较好的艺术真实感和观赏性。生成的图像如图7c所示。研究人员还提出了与传统仿真研究不同的水墨画艺术生成方法。基于组件思想的参数生成法，应用L-系统、纹理合成等图形学技术，通过用户设定的参数能够自动生成“梅兰竹菊”四君子及山水画中的山石、树木等。生成的水墨画如图7d所示。

郝珊珊[46]提出了基于空间特征融合的舞谱生成算法，融合的特征更加符合人体运动学规律并满足骨骼拓扑结构。提出了基于多时序建模的舞谱生成算法，该深度神经网络结合空间特征能够实现良好的时空信息建模，使网络能够学到高阶有效特征，从而更好地识别动作。金思雨等[47]利用Processing软件，对音乐、影像的特性进行识别，实现了对影像风格转换的实时生成效果的控制，实现了人们对音乐、影像的感知。这种可视化效果可以帮助用户用音乐生成独一无二的个性肖像。生成的图像如图7e所示。泉州提线木偶作为中国第一批非物质文化遗产，是中华传统文化的一种宝贵资源，为使其得到有效的传承和保护，研究人员以MYO臂环为核心，建立了一套人体生理信号控制动画原型系统，研究证明该模型的脱线操作平均正确率为95.59%[48]。

4.2.2 智能化的传统服装设计

虚拟现实(VR)技术的发展极大地促进了时尚表达的多样性，打破了传统的局限，重新定义了实体服装与虚拟数字世界的关系，实现了实体的数字化。虚拟现实技术创造了强大的“超真实”空间，在复杂链接技术的路径下，艺术文本表达思想的手段正逐渐从平面图像向多媒体图像、媒体图像等媒介形态转变，并体现了后现代文化的鲜明特征，如浸入式、拼贴式、无序性等。Cao等[49]提出了一种基于虚拟现实的民族服装设计方法。采用不同的曲线拟合方法识别人体特征，采用基于AABB盒的碰撞检测方法，防止服装与身体之间的穿透。虚拟服装设计是使用Marvelous

Designer 9平台和Unity引擎实现的。设计出的旗袍如图8a所示。

随着科技的飞速发展，3D打印也已经成为了一种不可避免的趋势。3D打印技术是一种新型的服装生产方式，它可以实现个性化生产，并且省去了传统服装制作过程中的烦琐工序。此外，3D打印还可以提高材料的利用率，减少废弃物的产生，从而节约能

Copyright©博看网. All Rights Reserved.

源、保护环境。3D打印技术能够快速制造复杂零件，避免了烦琐的制造步骤。它不仅能够提高生产效率，缩短产品生产周期，而且还能满足消费者对个性化设计的需求[50]。Liu[51]等系统分析了秦剧服饰的风格和图案，构建了秦剧服饰的三维数字模型，然后根据秦剧服饰的元素进行一系列秦剧服饰的三维创新设计。结果表明，3D秦戏服装模型包含更详细的服装原始信息；3D秦剧服装模型的风格更直观，3D秦剧服装模型的结构更清晰易懂，3D秦剧服装模型的图案更丰富，3D秦剧服装模型的色彩更加多样华丽。因为3D秦戏服饰可以360°旋转，风格、色彩、图案、结构等每一个小细节都能清晰地展现出来，甚至可以从不同角度放大缩小，全方位展示秦戏服饰文化，让游客对秦戏服饰文化有更深入的了解。Liu等[52]选取了12件越剧的传统服饰进行虚拟修复。同时，通过对越剧服饰历史文化的了解，从修复后的服饰中提取元素，进行越剧服饰元素的服装设计和虚拟仿真，部分效果图如图8b所示。

在人工智能方面，智能化服装正在被广泛应用于多个领域。Liu等[53]提出了一种新的民族服饰草图自动着色模型（基于生成对抗网络技术）。这个模型由一个高效的U-net生成器和一个高效的卷积神经网络鉴别器组成。然后对鉴别器中的损失函数和真可靠度值的权重进行优化。最后，利用所构建的草图数据库进行训练，得到自动着色模型。该模型通过调整网络结构，利用平滑损耗来增加训练过程中的稳定性。它在输出层中使用了全连接层，以减少人为因素对参数的干预。随后对着色模型的各种草图着色结果进行定性分析，结果表明模型工作正常，从训练集中得到的颜色规律可以有效地转移到其他草图上。训练次数、网络参数与着色质量呈正相关。最后，分析了着色过程中颜色分布的变化，表明着色模型倾向于将主色比例增加10%~15%，图8c显示了白族、蒙古族和藏族民族服饰的草图和重新着色的结果。敦煌服饰文化源远流长，是中国古代美学的代表。计算机科学与敦煌服装设计的探索具有挑战性，这是人工智能与中国古[54]典文化的跨历史互动。Wu等提出了“创造性”设计服装的Clothing-Stgan模型，并考虑了中国传统艺术——敦煌元素。他们的框架利用GAN框架和风格转移范式，生成新旧美的服装融合，如图8d所示。通过评估实验和在线调查产生的作品表明，Clothing-Stgan优于其他模型。戏曲服饰图案数字化及新风格生成具有重要的意义，将卷积神经网络、传统文化与数字技术相融合，对传统服饰的样式进行创新。提出通过调节内容损失函数和风格损失函数得到不同程度风格化的图像，并对卷积网络框架的选择及对应特征层的选取方面进行优化[55]，生成的传统服饰图像如图8e所示。

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 11

图8 智能化的传统服装设计

Fig.8 Traditional costume design based on intelligence

5 现存问题与发展趋势

随着工业和人工智能的飞速发展，各种技术的发展都变得越来越快，世界经济也不断变得更加智能化，人类的生产也变得越来越复杂，人类生产和生活中的各种产品，都需要通过人工智能的辅助设计进行预先设计，才能在虚拟网络中，让人们看到非常真实的从未在现实中出现过的产品。在进行最后的产品开发前，传统的设计方法需要不断重复才能达到最佳效果。计算机辅助工程技术是一种基于三维实体建模的技术，它可以通过虚拟仿真分析、交互实验、虚拟制

造和综合评价来提高产品质量和性能。通过这些技术，可以获得最佳的产品结果。相较于传统的技术方法，该技术具有更大的优势，省时省力。但要把理论应用于实践，还需要克服各种技术以及安全等方面的困难。因此，需要进一步发展科学技术来解决这些问题，将非物质文化遗产的保护与传承工作做到最好。

5.1 安全问题

智能化设计与互联网资源共享，使多种智能产品涉及用户的私人信息和位置信息等敏感信息，给了黑客很多窃取信息的机会，使用者的信息安全存在泄漏的风险，存在着安全隐患。这也体现了人工智能的发Copyright©博看网. All Rights Reserved.

12 包 装 工 程 2023年4月

展是一把双刃剑。一方面，它极大地便利了人们的生活。另一方面，它也为不法分子提供了更多犯罪的机会。接下来，随着研究的进一步深入，研究人员应该考虑如何更好地提高安全性，为使用者提供更好的安全保障。

5.2 资金问题

不同种类的非物质文化遗产需要不同的保护方法。保护非物质文化遗产需要大量的资金，如果仅仅依靠政府的专项资金是不够的。非物质文化遗产与旅游的结合开发是实现非物质文化遗产有效保护和传承的途径。在利用旅游数字资源数据库的同时，可以构建非遗旅游信息网络和信息数据库，有效管理和利用非遗旅游资源，将食、住、行、等信息整合到数字化平台中，通过数字化智能匹配，提高非遗旅游的便利性，也可以为非物质文化遗产保护提供资金支持。

5.3 传播问题

在新媒体传播方面，各地都拥有多样的交流平台，但部分地区的保护单位对相关新媒体的建设与经营还比较欠缺，缺乏完善的体系，尚有一定的发展空间；在平台内容方面也有很大的空白，不能充分体现出非遗基带保护与传承的重要性，有待进一步完善。各级保护单位要树立正确的保护观念，以身作则，以强烈的文化意识推动非物质文化遗产的有效保护与传承。

5.4 人才问题

将人工智能技术应用于非物质文化遗产的保护与传承领域，需要大量优秀的科技人员。当下，高技术人员有限，国家以及高校，应进一步推进人才的培养，培养优质的技术型人才，为非物质文化遗产的保护与传承提供坚实的技术后盾。

当下，借助人工智能技术的非物质文化遗产的可持续发展虽然存在安全以及资金等问题，但随着研究人员研究的不断深入，这些问题都会得到进一步妥善解决。随着人工智能的“加入”，非物质文化遗产会得到更高效的保护与传承，中华民族乃至世界的智慧结晶会得到更高效的保护与传承，实现高度的文化自信，提高国家文化软实力。未来，人工智能技术也将继续在非物质文化领域发挥巨大的作用。

能化技术可以有效解决文化遗产信息归档、研究和传承中的诸多问题，是实现非物质文化遗产永生和价值提升的重要手段。如何利用人工智能技术让文化遗产所蕴含的文化在当下发挥更大的作用，是手工艺文化遗产保护和可持续发展任务中亟待解决的重要问题。在数字时代，可以有效利用各种数字智能技术来设计满足用户各种需求的解决方案。尽管当下在该领域还存在着一些问题，然而，随着科技的发展，通过设计人员和研究人员的合作，不断探索新技术、新设计，使工业设计的智能化程度得到提高。通过对人工智能技术的深入探讨和研究，基于人工智能的传统工艺设计在不久的将来将会普及于大众的生活，更好地满足人们的需求，提高产品制造效率，从而在快节奏的时代下进一步提高人们的幸福指数。

参考文献：

[1] CETINIC E, SHE J. Understanding and Creating Art

with AI: Review and Outlook[J]. ACM Transactions on

Multimedia Computing, Communications, and Applica-tions, 2022, 18(2): 1-22.

[2] EPPE M, MACLEAN E, CONFALONIERI R, et al. A

Computational Framework for Conceptual Blending[J].

Artificial Intelligence, 2018, 256: 105-129.

[3] LI Jun-li. Application of Artificial Intelligence in Cul-tural Heritage Protection[J]. Journal of Physics Confer-ence Series, 2021, 1881(3): 032007.

[4] LI Qi-jun. Intelligent Intangible Cultural Heritage In-novation Platform under the Background of Big Data

and Virtual Systems[C]//2022 Second International

Conference on Artificial Intelligence and Smart Energy

(ICAIS). Coimbatore, India. IEEE, 2022: 560-563.

[5] FENG Ya-ru, ZHANG Wan-yu, LUAN Peng-yu, et al.

Design of Game Style Navigation APP Interface Based

on User Experience[C]//Proceedings of the 3rd Interna-tional Conference on Culture, Education and Economic

Development of Modern Society (ICCESE 2019). Mos-cow, Russia. Paris, France: Atlantis Press, 2019: 384-391.

[6] LI Lian-hui, LEI Bing-bing, MAO Chun-lei. Digital

Twin in Smart Manufacturing[J]. Journal of Industrial

Information Integration, 2022, 26: 100289.

[7] LI Lian-hui, QU Ting, LIU Yang, et al. Sustainability

Assessment of Intelligent Manufacturing Supported by

Digital Twin[J]. IEEE Access, 2020, 8: 174988-175008.

[8] XIE Jing. Innovative Design of Artificial Intelligence in

Intangible Cultural Heritage[J]. Scientific Programming,

2022, 2022: 1-8.

[9] HUANG Liu-suo, SONG Yan. Intangible Cultural Heri-tage Management Using Machine Learning Model: A

Case Study of Northwest Folk Song Huaer[J]. Scientific

Programming, 2022, 2022: 1-9.

6 结语

非物质文化遗产的可持续发展是一个热门话题，在这些类别的非物质文化遗产中，传统工艺品是重要的类别之一。近年来，随着人工智能技术、3D打印、虚拟现实等技术研究和应用的快速发展，智能化技术在文化遗产保护和传承领域发挥着越来越重要的作用，也为传统民间工艺的可持续发展作出了贡献。智

Copyright©博看网. All Rights Reserved.

第44卷 第8期 马进，等：人工智能在非物质文化遗产保护与传承中的应用研究现状 13

[19] CHEN Qiao, ZHAO Wen-feng, WANG Qin, et al. The

Sustainable Development of Intangible Cultural Heri-tage with AI: Cantonese Opera Singing Genre Classifi-cation Based on CoGCNet Model in China[J]. Sustain-ability, 2022, 14(5): 2923.

[20] BAKALOS N, RALLIS I, DOULAMIS N, et al. Motion

Primitives Classification Using Deep Learning Models

for Serious Game Platforms[J]. IEEE Computer Graph-ics and Applications, 2020, 40(4): 26-38.

[21] 于翔, 沈美. 基于AlexNet的南通蓝印花布纹样分类[J]. 中国新通信, 2021, 23(6): 145-147.

YU Xiang, SHEN Mei. Classification of Nantong Blue

Print Pattern Based on AlexNet[J]. China New Tele-communications, 2021, 23(6): 145-147.

[22] 周泽聿, 王昊, 张小琴, 等. 基于Xception-TD的中华传统刺绣分类模型构建[J]. 数据分析与知识发现, 2022,

6(S1): 338-347.

ZHOU Ze-yu, WANG Hao, ZHANG Xiao-qin, et al.

Classification Model for Chinese Traditional Embroi-dery Based on Xception-TD[J]. Data Analysis and Know-ledge Discovery, 2022, 6(S1): 338-347.

[23] 耿国华, 薛米妍, 周蓬勃, 等. 基于对比学习与多尺度结合的陶瓷显微图像分类方法[J]. 西北大学学报(自然科学版), 2021, 51(5): 734-741.

GENG Guo-hua, XUE Mi-yan, ZHOU Peng-bo, et al.

Ceramic Microscopic Image Classification Based on the

Combination of Contrastive Learning and Multi-Scale

Methods[J]. Journal of Northwest University (Natural

Science Edition), 2021, 51(5): 734-741.

[24] 江明, 陈雷雷, 葛洪伟, 等. 基于近邻传递与SC特征的MEAP传统云纹图案自动分类[J]. 计算机工程与科学, 2017, 39(6): 1141-1148.

JIANG Ming, CHEN Lei-lei, GE Hong-wei, et al. Neigh-bor Propagation and Shape Context Based MEAP for

Moire Images Automatic Classification[J]. Computer

Engineering & Science, 2017, 39(6): 1141-1148.

[25] 王若宇. 基于人工智能的古画真伪辅助鉴定研究[D].

太原: 中北大学, 2021.

WANG Ruo-yu. Research on Aided Identification of

Ancient Paintings Based on Artificial Intelligence[D].

Taiyuan: North University of China, 2021.

[26] 孔谦, 史卓, 冯业, 等. 瑶族纹样符号的智能分类方法[J]. 包装工程, 2021, 42(10): 244-250.

KONG Qian, SHI Zhuo, FENG Ye, et al. The Intelligent

Classification Method of Yao Patterns[J]. Packaging

Engineering, 2021, 42(10): 244-250.

[27] 方方, 关惠元, 卢章平, 等. 扬州漆木柜典型度预测方法[J]. 林业工程学报, 2021, 6(2): 191-197.

FANG Fang, GUAN Hui-yuan, LU Zhang-ping, et al.

Typicality Prediction Method Study of Yangzhou Lac-quered Cabinets[J]. Journal of Forestry Engineering, 2021,

6(2): 191-197.

[28] 赵海英, 高子惠, 邓恋, 等. 基于图文混排的传统服饰图像以文标图算法[J]. 图学学报, 2021, 42(3): 398-405.

[10] SHUAI He, YU Wu. Discussion on the Application of

Computer Digital Technology in the Protection of In-tangible Cultural Heritage[J]. Journal of Physics Con-ference Series, 2021, 1915(3): 032048.

[11] 于翔, 沈美. 蓝印花布数字纹样归一化编码的构建与研究[J]. 纺织报告, 2021, 40(1): 28-29, 32.

YU Xiang, SHEN Mei. Construction and Research on

Normalized Coding of Digital Pattern of Blue Cloth

with Design in White[J]. Textile Reports, 2021, 40(1):

28-29, 32.

[12] 念其锋, 李立耀, 赵少卡, 等. 本体非物质文化遗产领域的知识建模[J]. 福建技术师范学院学报, 2022,

40(2): 119-126.

NIAN Qi-feng, LI Li-yao, ZHAO Shao-ka, et al. Do-main Knowledge Modeling of Intangible Cultural Heri-tage Based on Ontology[J]. Journal of Fujian Polytech-nic Normal University, 2022, 40(2): 119-126.

[13] 潘云鹤, 鲁东明. 古代敦煌壁画的数字化保护与修复[J]. 系统仿真学报, 2003, 15(3): 310-314.

PAN Yun-he, LU Dong-ming. Digital Protection and

Restoration of Dunhuang Mural[J]. Acta Simulata Sys-tematica Sinica, 2003, 15(3): 310-314.

[14] 赵海英, 周伟, 侯小刚, 等. 基于多任务学习的传统服饰图像双层标注[J]. 吉林大学学报(工学版), 2021,

51(1): 293-302.

ZHAO Hai-ying, ZHOU Wei, HOU Xiao-gang, et al.

Double-Layer Annotation of Traditional Costume Im-ages Based on Multi-Task Learning[J]. Journal of Jilin

University (Engineering and Technology Edition), 2021,

51(1): 293-302.

[15] 任璐, 杨亮, 徐琳宏, 等. 中文笑话语料库的构建与应用[J]. 中文信息学报, 2018, 32(7): 20-29.

REN Lu, YANG Liang, XU Lin-hong, et al. Construc-tion and Application of Chinese Joke Corpus[J]. Journal

of Chinese Information Processing, 2018, 32(7): 20-29.

[16] 周雨城, 陈露. 科技助推非物质文化遗产传承发展研究——以孝感雕花剪纸为例[J]. 长江大学学报(社会科学版), 2020, 43(4): 33-37.

ZHOU Yu-cheng, CHEN Lu. Science and Technology

Boost for the Research on the Inheritance and Devel-opment of Intangible Cultural Heritage—Taking Xiaogan

Carved Paper-Cuts as an Example[J]. Journal of Yangtze

University (Social Sciences Edition), 2020, 43(4): 33-37.

[17] 钟远薪, 夏翠娟. 艺术图像知识图谱构建初探[J]. 图书馆论坛, 2022, 42(2): 109-118.

ZHONG Yuan-xin, XIA Cui-juan. A Preliminary Study

on the Construction of Knowledge Graph of Art Im-age[J]. Library Tribune, 2022, 42(2): 109-118.

[18] 李欣. 传统乡村聚落的人工智能生成模拟研究——以湖南通道侗族聚落为例[D]. 天津: 天津大学, 2019.

LI Xin. Using Artificial Intelligence to Simulate the

Growth of Traditional Rural Settlement—Taking Dong

Settlements in Tongdao Hunan as Research Basis[D].

Tianjin: Tianjin University, 2019.

Copyright©博看网. All Rights Reserved.

14 包 装 工 程 2023年4月

ZHAO Hai-ying, GAO Zi-hui, DENG Lian, et al. A

Method of Automatic Image Annotation for Image-Text

Mixed Domain Books[J]. Journal of Graphics, 2021,

42(3): 398-405.

[29] 杨挺, 王双双, 盆海波, 等. 基于改进SOM的壁画图像裂缝自动识别与修复[J]. 天津大学学报(自然科学与工程技术版), 2020, 53(9): 932-938.

YANG Ting, WANG Shuang-shuang, PEN Hai-bo, et al.

Automatic Identification and Inpainting of Cracks in

Mural Images Based on Improved SOM[J]. Journal of

Tianjin University (Science and Technology), 2020, 53(9):

932-938.

[30] 涂淳宁, 王贵, 田吉, 等. 基于深度学习的甲骨文分类算法研究[J]. 现代计算机, 2021, 27(26): 67-72.

TU Chun-ning, WANG Gui, TIAN Ji, et al. Research on

Oracle Bone Inscriptions Classification Algorithm Based

on Deep Learning[J]. Modern Computer, 2021, 27(26):

67-72.

[31] 陆柳杏, 吴丹. 非物质文化遗产领域汉藏双语本体的语义检索策略研究[J]. 图书情报工作, 2022, 66(13):

15-24.

LU Liu-xing, WU Dan. Research on the Semantic Re-trieval Strategies Based on Chinese-Tibetan Bilingual

Ontology in the Field of Intangible Cultural Heritage[J].

Library and Information Service, 2022, 66(13): 15-24.

[32] 何春雨, 滕春娥. 非物质文化遗产知识本体构建——以赫哲族非遗资源为例[J]. 情报科学, 2021, 39(4): 140-

147, 156.

HE Chun-yu, TENG Chu-ne. Construction of Intangible

Cultural Heritage Knowledge Ontology—A Case Study

of Intangible Cultural Heritage Resources of Hezhen

Ethnic Group[J]. Information Science, 2021, 39(4): 140-

147, 156.

[33] 陈永, 陶美风. 敦煌壁画数字化修复方法综述[J]. 软件导刊, 2021, 20(5): 237-242.

CHEN Yong, TAO Mei-feng. Survey on Digital Resto-ration of Dunhuang Murals[J]. Software Guide, 2021,

20(5): 237-242.

[34] 张鸣飞. 基于生成对抗网络的计算机辅助壁画修复研究[D]. 西安: 西北大学, 2019.

ZHANG Ming-fei. Computer Aided Mural Inpainting

Based on Generative Adversarial Networks[D]. Xi'an:

Northwest University, 2019.

[35] Junhan Ye. The Application of Artificial Intelligence

Technologies in Digital Humanities: Applying to Dun-huang Culture Inheritance, Development, and Innova-tion[J]. Journal of Computer Science and Technology

Studies, 2022, 4(2).

[36] 闫娟娟. 基于卷积神经网络的壁画图像超分辨率重建算法研究[D]. 兰州: 兰州理工大学, 2020.

YAN Juan-juan. Research on Mural Image Super-resolu-tion Reconstruction Based on Convolutional Neural

Network[D]. Lanzhou: Lanzhou University of Technol-ogy, 2020.

[37] HONG J W, CURRAN N M. Artificial Intelligence,

Artists, and Art: Attitudes Toward Artwork Produced by

Humans Vs. Artificial Intelligence[J]. ACM Transac-tions on Multimedia Computing, Communications, and

Applications, 2019, 15(2s): 1–16.

[38] ELGAMMAL A, BINGCHEN L, Mohamed Elhoseiny

and Marian Mazzone. "CAN: Creative Adversarial Net-works, Generating "Art" by Learning About Styles and

Deviating from Style Norms[J]. International Confer-ence on Innovative Computing and Cloud Computing,

2017.

[39] ZHENG N, JIANG Y, HUANG D. Strokenet: A neural

painting environment[C]//International Conference on

Learning Representations. 2018.

[40] PHILIP C, JONG L H. Face Sketch Synthesis Using

Conditional Adversarial Networks[C]//2017 Interna-tional Conference on Information and Communication

Technology Convergence (ICTC). Jeju, Korea (South).

IEEE, 2017: 373-378.

[41] HUANG Zhe-wei, ZHOU Shu-chang, HENG Wen. Lear-ning to Paint with Model-Based Deep Reinforcement

Learning[C]//2019 IEEE/CVF International Conference

on Computer Vision (ICCV). Seoul, Korea (South).

IEEE, 2020: 8708-8717.

[42] WANG Tian-xiong, MA Zhi-qi, YANG Liu. Creativity

and Sustainable Design of Wickerwork Handicraft Pat-terns Based on Artificial Intelligence[J]. Sustainability,

2023, 15(2): 1574.

[43] 陈鋆纯, 彭坚, 郭寅曼, 莫哲琼, 王斌. 基于花瑶挑花纹样风格化图像的辅助设计研究[J]. 包装工程, 2022,

43(14): 246-253.

CHEN Jun-chun, PENG Jian, GUO Yin-man, et al. Com-puter-Aided Design Based on Stylized Images of Huayao

Cross-Stitch Patterns[J]. Packaging Engineering, 2022,

43(14): 246-253.

[44] 郑佳, 邵媛. 虚拟修复技术下的唐代壁画服饰复刻[J]. 纺织高校基础科学学报, 2022, 35(2): 58-63.

ZHENG Jia, SHAO Yuan. Reproduction of Tang Dy-nasty Mural Costumes with Virtual Repair Technology[J].

Basic Sciences Journal of Textile Universities, 2022, 35(2):

58-63.

[45] 李媛, 陈昭炯, 叶东毅. 注意力引导的交互式工笔花卉上色算法[J]. 模式识别与人工智能, 2020, 33(7): 575-

587.

LI Yuan, CHEN Zhao-jiong, YE Dong-yi. Interactive

Meticulous Flower Coloring Algorithm via Attention

Guidance[J]. Pattern Recognition and Artificial Intelli-gence, 2020, 33(7): 575-587.

[46] 郝珊珊. 基于深度学习的拉班舞谱自动生成研究[D].

北京: 北京交通大学, 2020.

HAO Shan-shan. Automatic Generation of Labanotation

Based on Deep Learning[D]. Beijing: Beijing Jiaotong

University, 2020.

（下转第36页）

Copyright©博看网. All Rights Reserved.

36 包 装 工 程 2023年4月

New Boost for Enterprise Innovation[M]. Beijing: Sci-ence Press, 2016.

[40] 罗仕鉴. 《群智创新: 人工智能2.0时代的新兴创新范式》序言[J]. 包装工程, 2020, 41(6): 12.

LUO Shi-jian. Preface to "Swarm Intelligence Innova-tion: A New Innovation Paradigm in the Age of Artifi-cial Intelligence 2.0"[J]. Packaging Engineering, 2020,

41(6): 12.

[41] LIU Ang, LU S C Y. A Crowdsourcing Design Frame-work for Concept Generation[J]. CIRP Annals, 2016,

65(1): 177-180.

[42] YANG Mao-lin, LI Wei-dong, JIANG Ping-yu. A Col-lective Intelligence Oriented Three-Layer Framework

for Socialized and Collaborative Product Design[J].

Expert Systems With Applications, 2021, 173: 114742.

[43] JIAO Yuan-yuan, WU Ye-peng, LU S. The Role of

Crowdsourcing in Product Design: The Moderating Ef-fect of User Expertise and Network Connectivity[J].

Technology in Society, 2021, 64: 101496.

[44] 郭伟, 王震, 邵宏宇, 等. 众包设计理论及关键技术发展研究[J]. 计算机集成制造系统, 2022, 28(9):

2650-2665.

GUO Wei, WANG Zhen, SHAO Hong-yu, et al. Re-search on Crowdsourcing Design Theory and Key

Technology Development[J]. Computer Integrated Manu-facturing Systems, 2022, 28(9): 2650-2665.

[45] KIM H, LIU Ying, WANG C, et al. Special Issue: Data-

Driven Design (D3)[J]. Journal of Mechanical Design,

2017, 139(11): 110301.

[46] CHAKLADER R, PARKINSON M B. Data-Driven

Sizing Specification Utilizing Consumer Text Reviews

[J]. Journal of Mechanical Design, 2017, 139(11): 111406.

[47] CHEONG H, LI Wei, CHEUNG A, et al. Automated

Extraction of Function Knowledge from Text[J]. Journal

of Mechanical Design, 2017, 139(11): 11407.

[48] MA Hong-zhan, CHU Xue-ning, LYU Guo-lin, et al. An

Integrated Approach for Design Improvement Based on

Analysis of Time-Dependent Product Usage Data[J].

Journal of Mechanical Design, 2017, 139(11): 111401.

[49] 王磊, 孟昭鹏, 刘继红, 等. 产品自适应设计：概念、原理和技术[J]. 计算机集成制造系统, 2022, 28(9):

2748-2765.

WANG Lei, MENG Zhao-peng, LIU Ji-hong, et al.

Product Adaptive Design: Concept, Principle and Tech-nology[J]. Computer Integrated Manufacturing Systems,

2022, 28(9): 2748-2765.

责任编辑：马梦遥

（上接第14页）

[47] 金思雨, 覃京燕. 基于计算机图像风格迁移的音乐可视化智能设计研究[J]. 包装工程, 2020, 41(16): 193-198.

JIN Si-yu, QIN Jing-yan. Music Visualization Intelligent

Design Based on Image Style Migration[J]. Packaging

Engineering, 2020, 41(16): 193-198.

[48] 谭宇彤, 周旭峰, 孔令芝, 等. 面向肌电信号的虚拟现实提线木偶动画研究[J]. 软件学报, 2019, 30(10):

2964-2985.

TAN Yu-tong, ZHOU Xu-feng, KONG Ling-zhi, et al.

Research on Puppet Animation Controlled by Electro-myography(EMG) in Virtual Reality Environment[J].

Journal of Software, 2019, 30(10): 2964-2985.

[49] CAO Chun-nan, GAO Yi-ping. Research on National

Costume Design Based on Virtual Reality Technology[J].

Mathematical Problems in Engineering, 2022, 2022: 1-9.

[50] 刘天元. 3D打印技术在纺织服装领域应用的进展[J].

棉纺织技术, 2022, 50(11): 81-84.

LIU Tian-yuan. Application Progress of 3D Printing

Technology Textile and Apparel Field[J]. Cotton Textile

Technology, 2022, 50(11): 81-84.

[51] LIU Kai-xuan, GAO Yuan-yuan, ZHANG Jia-qi, et al.

Study on Digital Protection and Innovative Design of

Qin Opera Costumes[J]. Heritage Science, 2022, 10(1):

127.

[52] LIU Kai-xuan, ZHOU S, ZHU Chun, et al. Virtual

Simulation of Yue Opera Costumes and Fashion Design

Based on Yue Opera Elements[J]. Fashion and Textiles,

2022, 9(1): 31.

[53] LIU Bo, GAN Jian-hou, WEN Bin, et al. An Automatic

Coloring Method for Ethnic Costume Sketches Based on

Generative Adversarial Networks[J]. Applied Soft

Computing, 2021, 98: 106786.

[54] WU Qiang, ZHU Bai-xue, YONG Bin-bin, et al. Cloth-GAN: Generation of Fashionable Dunhuang Clothes

Using Generative Adversarial Networks[J]. Connection

Science, 2021, 33(2): 341-358.

[55] 马钰玺. 基于图像风格迁移的中华文化元素艺术化生成方法研究[D]. 西安: 西安理工大学, 2020.

MA Yu-xi. Chinese Calligraphy Style Recognition

Based on Deep Learning[D]. Xi'an: Xi'an University of

Technology, 2020.

责任编辑：马梦遥

Copyright©博看网. All Rights Reserved.