人工智能語境下的皮革制品設計路徑研究

曾欽宇，孟凱寧，王媛麟

（西華大學，四川 成都 611730）

引言

人工智能（Artificial Intelligence，AI）已經成為推動全球科技發展的關鍵因素之一[1]，在醫療[2]、教育[3]、社會經濟[4]等領域得到廣泛應用。AI 技術的進步正在服務于各個領域的設計工作，深度改變設計者的工作方式和設計路徑[5]。利用AI 的數據處理和預測分析等能力，有助于提升設計效率，創新設計元素，預測市場趨勢[6]。然而，傳統皮革制品設計依賴于設計者的專業技能和個人經驗[7]，這在一定程度上限制了生產效率和設計創新，也難以滿足日益多樣化的市場需求。目前，AI 多應用于皮革制品設計的用戶調研階段，且處于初級階段[8]。因此，如何有效地將AI 算法融入皮革制品設計各流程變得尤為重要。研究旨在探討基于AI 算法搭建新的皮革制品設計路徑，將集中解決以下幾個關鍵問題：一是如何為不同的設計階段選擇合適的AI 算法；二是如何使用AI 提升皮革制品的設計效率和質量；三是如何通過AI 重構皮革制品的設計方式。研究致力于AI 技術與皮革制品設計流程的分析，賦能皮革制品設計，幫助挖掘并活化傳統文化元素，推動現代皮革制品可持續性發展。

1 概述

1.1 AI 算法在皮革制品設計中應用的可行性

人工智能（AI）的核心技術包括了多種算法，例如機器學習[9]、深度學習[10]和自然語言處理[11]等。這些算法能夠通過對海量數據的學習和分析，賦予計算機學習、理解和執行任務的能力，從而實現與人類類似的智能行為[12-13]。隨著大數據分析和智能計算技術的發展，這些算法已經被廣泛應用于各種設計領域[14]。具體到皮革制品設計，機器學習和深度學習能夠在設計的初期階段就自動生成創新的圖案和色彩搭配[15]。通過挖掘和學習歷史設計數據，AI能夠識別出成功的設計模式，并避免重復過去的錯誤，從而提高設計質量[16]。在皮革材料的選擇上，AI能夠分析大規模的材料數據，預測不同類型皮革在特定設計中的性能，以輔助設計者選擇最佳的皮革材料[17]。更為關鍵的是，AI 能夠根據消費者的個性化需求，自動調整設計參數，以實現定制化生產[18]。最后，AI 還能通過大數據分析，預測未來的皮革制品設計趨勢，從而為設計者和制造商提供市場策略和產品開發的前瞻性參考[19]。

1.2 皮革制品設計路徑構建

傳統的皮革制品設計路徑主要包括初步概念設計、材料選擇、工藝選擇、打版、試版和生產等步驟[20-21]。此過程主要依賴于設計師的個人經驗和審美能力，要求設計師對皮料、輔料、版型等各個環節有深入的理解和技術能力。然而，隨著互聯網技術的發展和傳播媒介的多元化[22]，可以幫助設計師輕松獲得大量的設計素材。當然這也就需要他們處理大量的信息，因而增加了設計的復雜性?？梢?，以傳統皮革制品設計方法與AI 技術為切入點，將是重塑皮革制品設計路徑的重要方法。研究將分析傳統皮革制品的設計要素和設計流程，并結合當前AI 技術的發展，重構皮革制品的設計路徑，如圖1 所示。

圖1 AI 語境下的設計路徑構建方法Fig.1 Methods for building a design pathway in the context of AI

2 AI 語境下的皮革制品設計要素分析

2.1 傳統模式下的皮革制品設計要素

皮革制品設計所包含的要素比一般工業產品更為復雜，它不僅需要考慮工業化設計體系中的通用設計元素，還需兼顧皮革制品作為工藝品的獨特屬性。研究通過結合定性和定量研究方法，以梳理傳統皮革制品設計的關鍵元素。首先，通過文獻研究和專家訪談，確定了影響皮革制品設計的八個關鍵要素，它們分別是：功能性、材料性、風格、使用場景、結構設計、工藝性、可持續性和成本控制。為了對這些要素進行實證研究，對淘寶網中公開的皮革制品關鍵詞進行采集，并利用Python 編程進行數據的清理、篩選和排序等操作。在數據處理過程中，研究通過統計頻次，找出了皮革制品設計中經常出現的子要素。為了更精確地描述這些要素，研究對部分子要素進行了合并或概括，使得這些要素之間的關系更為清晰，如表1 所示。

表1 皮革制品設計要素表Tab.1 Elements of leather goods design

2.2 AI 語境下的設計參數分析

信息技術驅動著AI 在設計領域的應用與發展。如ChatGPT（語言生成模型）等先進的AI 模型正深刻地改變著設計領域的生產模式[23]。AI 環境下的設計參數也涌現出新的特點和模式。為了深入探究AI 對皮革制品設計的影響，首先要理解AI 的核心特性。根據學者張才明[24]、Ahmed[25]、Yigitcanlar[26]等人的研究，AI 的主要特性可以總結為數據驅動、交互性、預測性和學習性。將這些特性與設計學相結合，可以總結出AI 環境下的設計參數，見表2。數據驅動是AI 的關鍵特性，體現在運用各類型數據集，如文本、圖像、視頻和音頻數據等。具體到皮革制品設計，這些數據可能包括民族紋樣、圖案元素等[27-28]。這些數據為訓練AI 模型提供支持，同時也為設計者提供了豐富的設計視角和創作深度；AI 的交互性要求設計者重視用戶體驗。這意味著設計者需要具備新的時空視野來面對廣闊的產品應用范圍。這就需要設計者全面考慮用戶需求、用戶行為、用戶目標和用戶場景等設計參數[29]。而AI 通過學習、理解這些參數，能夠提供個性化和適應性強的設計；預測性是AI 的一項關鍵能力，且已被引入到設計中。預測模型的參數分支有短期、長期預測，趨勢預測和模式識別等，通過這些預測，設計者能夠預判并適應未來趨勢和模式，從而更好地規劃皮革制品設計；AI 的學習性，尤其是自我學習和提升的能力，為設計領域引入了學習算法，包括監督學習、非監督學習、強化學習和深度學習等。這些學習算法讓AI 從數據中不斷學習和提升，進一步優化設計效果。

表2 AI 環境下的設計參數Tab.2 Design parameters in AI environment

2.3 AI 語境下的皮革制品設計要素整合

研究基于AI 的核心特性（數據驅動性、交互性、預測性和學習性）詳細描述了皮革制品設計要素的整合流程，并闡明了AI 核心特性如何影響與塑造皮革制品設計的要素及其子要素，如圖2 所示。在這一過程中，AI 的數據驅動性使得設計者需要更加注重數據收集與數據處理，也衍生出AI 語境下新的設計要素，即“數據優化材料與元素”。利用數據驅動，設計者可收集、分析大量數據，精準選用皮革材料并有效應用設計元素，如優化皮質類型、鞣制方式、元素提取等，滿足多樣化的皮革制品表現需求；交互性帶來的用戶體驗已成為核心設計參數，為皮革制品提供“細分功能與場景”設計要素。利用交互性，皮革制品可以深度理解并滿足用戶細分需求；預測性貢獻了“風格趨勢預測”這一設計要素。通過預測模型，設計者可以參考未來皮革制品設計趨勢和設計風格的接受度；學習性體現在學習算法和自適應算法的運用。利用學習算法，設計者可優化皮革制品的結構和成本，形成“結構與成本優化”的設計要素。而自適應算法則能在環境變化時調整設計策略，優化生產方式，提高可持續性，從而產生“可持續性改良”的設計要素。

圖2 AI 語境下的皮革制品設計要素整合Fig.2 Integration of design elements for leather goods in the context of AI

3 AI 算法在皮革制品設計中的應用

3.1 皮革制品設計與制作流程

皮革制品設計的獨特性在于設計與制作的緊密結合，流程涵蓋概念設想到最終制作各階段。主要包括數據調研、草圖繪制、打板、材料選擇、試版、樣品制作、測試、設計迭代和批量生產，如圖3 所示。在設計階段，設計者可通過AI 分析用戶與市場數據，繪制產品草圖。同時，基于AI 學習算法，設計者可以優化產品功能與場景，提升用戶體驗。而通過AI 對市場數據的分析，也有助于預測皮革制品的風格趨勢。除此之外，設計者還可以通過數據學習，優化產品結構與成本效益。同時，數據驅動方式有助于精準選擇皮質類型和鞣制方式。在制作階段，設計者可根據用戶反饋調整產品，并利用AI 自適應系統進行優化。樣品制作時，設計者可以依據設計階段的數據選擇適當的工藝。同時，AI 預測還能模擬出多種樣品類型，以進行優選。測試樣品時，數據驅動的評估方式能全面考量皮革制品的市場接受程度，從而促進更加高效的產品迭代。最后，在批量生產階段，利用AI 的預測和自適應能力來優化生產流程，同時權衡生產成本，確保生產的高效和經濟。

圖3 皮革制品設計與制作流程Fig.3 Process of designing and producing leather goods

3.2 基于AI 技術的皮革制品設計方法

人工智能技術具有獨特的原理和算法，在設計領域中積累了豐富的應用案例和實踐成果。在皮革制品的設計與制作流程中，基于人工智能的方法已得到廣泛應用，涵蓋數據輸入、生成模型以及生成設計等關鍵階段，具體過程如圖4 所示。

圖4 人工智能生成過程Fig.4 Artificial intelligence generation process

機器學習技術包括監督學習、非監督學習和強化學習[30]，基于機器學習的皮革制品制作方法主要依賴于數據驅動和模型預測的方式來實現各種設計和生產流程的自動化和優化[31]。在監督學習中，通過輸入已經被標記（例如設計風格、顏色、紋理等）的圖片，訓練模型學習并理解這些特性，進而預測新的皮革制品設計的輸出結果[32]。例如，設計者可利用算法模型學習特定風格，并創造類似風格的新設計。非監督學習通過尋找數據集中的內在結構和規律進行學習[33]。例如，聚類方法可找出新的顏色或紋理組合。強化學習則通過與環境交互，尋找最佳設計策略，例如，模擬設計過程以尋找最優的設計流程[34]。

在深度學習領域，生成對抗網絡（Generative Adversarial Networks，GAN）、循環神經網絡（Recurrent Neural Network，RNN）和卷積神經網絡（Convolutional Neural Network，CNN）三種生成模型較為適合被應用在皮革制品設計中。GAN 能夠產生新的且與實際數據相似的數據[35]，設計者可以利用GAN 生成新的設計元素，如皮革紋理、顏色搭配等。RNN 適合處理序列數據，設計者可以使用RNN 處理與時間序列相關的問題，例如預測未來的設計趨勢或市場需求[36]。而CNN 擅長處理圖像，對于識別圖像中的模式和特征有極高的精度[37]。設計者可以使用CNN 進行圖像識別和分類，例如自動識別和分辨皮革材料的類型和質量，或者識別和提取設計圖像中的元素。

3.3 AI 在皮革制品設計流程中的技術匹配

在皮革制品設計的各階段中，都有與之適應的AI 算法模型。它們可用于單一階段，亦可跨階段交叉應用。下文將列舉不同階段可使用的算法，如表3所示。調研階段需獲取用戶反饋和市場信息，此時適用自然語言處理技術（Natural language processing，NLP），如情感分析和文本分類，能有效處理用戶的評論和反饋[38]。特定的模型如情感分析（Sentiment Analysis）、文本分類（Text Classification）等可以用于理解和分析文本數據；在收集和分析用戶需求階段，聚類分析、關聯規則分析、決策樹等方法能對市場熱門皮革制品的設計要素分類，并在指定的標準下確定關鍵點，從而深入解析用戶需求[39]。預測風格趨勢階段，使用時間序列分析、回歸分析、神經網絡（如RNN 和LSTM）等方法，能幫助設計者預測未來的風格趨勢[40-41]。設計產品外觀和結構階段，使用卷積神經網絡，如PigeoNET[42]可對圖片進行分類，使用卷積神經網絡與深度學習相融合的神經風格遷移（Neural Style Transfer，NST）完成設計的風格遷移[43]。使用生成對抗網絡可以根據訓練數據生成新的、逼真的設計圖像；在優化產品的結構和成本階段：使用優化算法（例如線性規劃和遺傳算法）和神經網絡（例如卷積神經網絡），以在滿足設計需求的同時兼顧成本因素；在選擇材料階段：使用分類算法（例如支持向量機SVM）、決策樹（例如CART）和神經網絡（例如前饋神經網絡FNN）等方法[44-45]幫助設計者根據設計需求選擇合適的材料；在制作樣品階段，可以使用模擬算法（例如蒙特卡洛模擬）和神經網絡（例如前饋神經網絡FNN）[46]預測制作過程和結果；在測試與迭代優化階段，則可以使用深度學習（例如深度神經網絡DNN）和強化學習（例如Q-Learning）等方法檢查異常數值或進行偏差分析[47]，根據測試結果，幫助設計者進行設計的調整和優化。

表3 皮革制品設計流程對應的AI 算法類型Tab.3 Types of AI algorithms corresponding to the leather goods design process

4 AI 語境下的皮革制品設計路徑

AI 的發展無疑為皮革制品設計開啟了全新的視角和可能性。通過深入探究AI 環境下的設計元素以及AI 算法在皮革制品設計中的實際應用，研究構建了一種全新的皮革制品設計路徑，如圖5。該路徑由5 個層面組成，包括AI 算法、AI 可用模型、設計范式、設計要素和設計路徑切入點。皮革制品設計者可對應路徑中的不同層面優化設計。AI 語境下的皮革制品設計路徑并非是單向的，自AI 算法至設計路徑切入點是AI 嵌入皮革制品設計的過程。具備AI 技術的設計者可以算法為出發點，開發適用于不同設計范式、設計要素的AI 模型；從設計路徑切入點到AI 算法是AI 提升設計能力的過程。皮革制品設計者可利用AI 拓展設計范圍，增強創新力量，并提升合作共創的能力。AI 可應用的模型為設計者使用AI算法處理設計問題提供了可能，皮革制品設計者可選取不同的設計范式與設計要素。這些改變有助于提升皮革制品的設計質量，提高設計效率，并賦予皮革制品更豐富的形態和功能。

圖5 AI 語境下的皮革制品設計路徑Fig.5 Design pathway of leather goods in the context of AI

4.1 擴大皮革制品設計范圍

AI 的介入可以使皮革制品設計的范圍得到了顯著擴展，突破傳統設計的框架，使設計范式、設計環節以及設計角色實現拓展和升級。AI 增強了信息處理能力，顯著提高了各種設計范式的應用性和準確性，尤其對于需要大量目標人群信息的用戶體驗設計，或者需要反饋數據的生態設計，AI 都具有重要價值。此外，皮革制品設計者也可以通過AI 的幫助，參與到更多的設計環節中，不論是進行非擅長領域的設計修正，還是優化非傳統設計環節，如銷售環節，都能賦能傳統皮革制品設計，提升其整體效率。同時，AI 的智能化也使得設計者擁有更多的能力應對社會挑戰。以保護非物質文化遺產為例，設計者可以借助AI 的力量，同時考慮皮革的特性和市場需求進行設計。再者，面對皮革制品可能帶來的環境問題，利用大數據進行分析，追蹤皮革制品的淘汰率和風格變化趨勢，可以實現更精準的設計，并盡可能在設計階段就降低對環境的影響[48]。

4.2 增強皮革制品設計的創新能力

AI 技術的發展已推動皮革制品設計進入智能化時代，這為皮革制品設計的創新打開了新的渠道，主要體現在設計要素的創新、數據選擇的創新以及設計流程的創新三個方面。首先，AI 技術使得設計者在設計階段考慮的因素大幅增加，特別在數據化、交互化和智能化等方面。這些新因素不僅拓寬了皮革制品設計的視野，還增加了設計的復雜性和深度，推動了設計的豐富性和創新性。其次，利用AI 技術，設計者能夠處理大量的文字、圖片、音頻和視頻信息，并將其轉化為設計稿，這大大提高了設計效率，豐富了設計素材。最后，借助AI 算法，設計者可以打破傳統設計流程，利用AI 模擬實物制作流程，極大地提升了設計效率。

4.3 提升皮革制品設計的共創能力

AI 技術的引入極大地推動了皮革制品設計的共創進程，這主要體現在增強協作能力、打破信息壁壘和提高設計參與度三個方面。首先，借助互聯網平臺，AI 設計插件可以在協同設計中發揮作用，使設計者們無論何時何地都可以參與到皮革制品的設計中。這不僅克服了時間和空間的限制，也促進了設計者之間的交流和互動，進一步提升了協作水平。其次，隨著網絡技術的發展和大數據的應用，設計者可以獲取海量的創作素材并分享作品。這使得設計者可以從更廣闊的領域獲取靈感，為皮革制品設計的可能性和多樣性注入新的活力。同時，網絡和信息化的便捷性也為作品的存儲、傳播和分享提供了更高效的方式，進一步活躍了設計交流和創新。最后，AI 的介入降低了皮革制品設計的難度，讓更多的人可以參與到設計過程中。例如，皮具愛好者可以借助AI，通過自然語言描述來獲取和修改版型尺寸、樣式等數據。這種低門檻的設計方式吸引了更多跨界參與者，提高了設計的參與度，進而增加了優秀皮革制品設計的產出機會。

5 結語

研究聚焦于AI 語境下的皮革制品設計，旨在探究AI 在此領域的應用深度。通過挖掘AI 環境所帶來的變化，識別并整合了新的設計要素與流程，推動了皮革制品設計與AI 的緊密結合，進而提升設計效率與質量。此外，研究為設計者和AI 開發者開辟了新視野，闡述了AI 在拓寬皮革制品設計邊界方面的作用，這使得設計流程中的AI 融合更為高效，同時也提升了設計的創新力和實用性。研究最后構建了一個完整的皮革制品設計路徑，并將AI技術嵌入各設計環節，為設計者展示了AI 在皮革制品設計中的應用廣度?？傮w而言，研究闡述了AI如何賦能皮革制品設計，搭建了一個以AI 為核心的皮革制品設計新路徑，為未來皮革制品設計工作的升級提供了理論基礎和技術參考。