青年视角下新中式服饰的智能设计与文化传承

一.引言

（一）研究背景

2024 年央视的春晚舞台上，传统纹样创演秀《年锦》吸睛无数，新中式、汉服、马面裙等新国风关键词频频出圈，中式审美正在迈向更广阔的展示平台。这场潮流盛宴的背后，是现代工艺与传统审美的融合碰撞。从布匹织造技艺的精湛传承到版型设计的创新改良，新中式风格作为传统文化的现代演绎，已经融入大众生活，成为了一种流行的时尚风尚。这一现象的背后，得益于国家层面对传统文化的日益重视以及公众文化认同感的大幅提升，越来越多的传统元素被赋予了新的活力，进而激发了新中式服饰的兴起。

（二）国内外研究现状

卷积神经网络（CNN）自 LeCun 教授及其团队在图像识别技术领域提出以来，呈现出令人瞩目的发展并被应用于多个领域。并且国内外在服饰识别技术领域的研究显示，深度学习模型在服饰分类和检索方面取得了显著进展。浙江大学通过应用 Siamese、Triplet 和CNN 三种深度学习模型结构，发现 CNN 在服饰商品分类和检索中表现最佳。此外，其他研究也表明，与传统的机器学习算法如 KNN、SVM 和 BP 相比，CNN 在图像分类任务中的表现更为突出。因此，本文选用深度卷积神经网络VGG16 作为基础模型，微调，以自动识别并提取新中式符号中的关键视觉特征，进而为后续利用 GAN生成创新元素提供坚实的基础。

二．研究方法

（一）基于结构方程模型青年群体的接受度分析

1.研究设计

1.1 模型选择

为研究青年群体对新中式服饰接受意愿情况，本文使用结构方程模型来分析新中式服饰的功能性、感知有用性以及社群影响等潜在变量，并得到这些变量之间的关系，从而得出影响青年群体对新中式服饰接受度的因素。

1.2.变量选择

本文构建的青年群体对新中式服饰接受意愿情况的影响因素模型包括功能性（FUN）、感知有用性（PU）、社群影响（SI）和行为意向（PI）。以下是每个变量的问题设置。

2.模型与假设

功能性、感知有用性和社群影响是本模型中影响青年群体行为意向的 3 个重要因素。根据对各个因素的解释，初步建立青年群体对新中式服饰接受意愿的影响因素模型图，如图1 所示。

知有用性会正向影响行为意向；H3：社群影响会正向影响行为意向。

3.描述性统计

对各因素进行描述性统计，结果如表 2 所示。量表设置的分值是从 1 到 5 分，从表 2 可知，各个因素的平均值普遍高于中间值 3 分，其中大多数人认为新中式服饰有助于提高文化认同感，可以看出人们接受新中式服饰的意愿较为强烈。

利用 AMOS24.0 软件绘制出结构方程模型，并采用对应操作对模型进行分析，初始模型结构如图 2 所示结果。其中，e 表示误差变量。

4.1 模型修正

为提升模型拟合度，依据AMOS 的 MI 指数，添加了“ e1- ⋅e4^′′ 与“ e2-e4^′′ 两条双向路径。这反映了“ 经济实用-时髦” 及“ 面料舒适-时髦” 属性间的相互促进作用。修正后，关键指标 PGFI（0.609）和 PCFI（0.690）均大于 0.6，表明模型拟合良好。

4.2.模型解释

由表 3 可知，“ 功能性 $$ 行为意向” 、感知有用性 $$ 行为意向” 和“ 社群影响 $$ 行为意向” 的 P 值均小于 0.001，说明三条路径都是显著的。因此，H1、H2 和 H3 的假设成立。模型评估结果如图 3 所示。

5.结果分析

（1）功能性正向影响行为意向。

消费者接受新中式服饰是由于以上多因素影响。然而，当前新中式服饰市场上仍存在着一些问题，如同质化严重等，这在一定程度上影响了消费者对新中式服饰的接受度。

（2）感知有用性正向影响行为意向。

消费者之所以愿意选择新中式服饰，不仅是因为其外在的功能性，更是因为其能提升文化认同感、艺术审美和自信心等内在价值。这些内在价值直接影响了消费者的接受度和行为意向，使新中式服饰在市场中获得了独特的竞争力。

（3）社群影响正向影响行为意向。

消费者在决策过程中易受社群影响。因此，企业可以利用社交媒体等渠道进行社群营销，增强与消费者的互动和粘性。

（二）生成对抗网络在新中式服装中的应用

1.基于线稿的服装样式生成技术

本研究提出了一种创新的基于生成对抗网络（GAN）的边缘填充设计技术，旨在实现从线稿到完整服装图像的转换。该技术的核心在于训练一个生成器，使其能够理解线稿的结构，并据此填充相应的纹理和颜色，以生成逼真的服装图像。通过对抗性训练，判别器评估生成图像的真实性和美观性，迫使生成器不断优化其输出，直至生成的图像在视觉上与实际可售卖的服装在美观性和实用性上无显著差异。

核心技术原理如下：

（1）线稿理解与转换：

模型通过卷积神经网络（CNN）提取线稿的特征，并通过递归神经网络（RNN）处理线稿的序列信息，实现对线稿的全面理解。

（2）细节生成与优化：

利用GAN 的对抗性训练机制，模型能够生成具有逼真纹理和颜色的细节，同时保持服装的基本结构。这一机制确保了生成图像的多样性和真实性，使得每一件服装都具有独特的质感和视觉冲击力。通过引入多尺度特征融合技术，模型能够从不同层次上捕捉和再现服装的细节特征，从而提高生成图像的质量。此外，通过训练一个额外的风格判别器，本研究能够确保生成的服装图像不仅在视觉上与线稿一致，而且在风格上也与原始设计保持一致，这通过在损失函数中加入风格一致性损失来实现，该损失函数基于深度特征的相似度来评估生成图像与目标风格之间的差异。

2.新中式符号的创新元素生成技术

本研究提出了一种基于生成对抗网络（GAN）的技术，旨在从传统与现代元素的融合中提炼出独特的视觉风格，并生成创新的图案或设计元素。核心技术原理如下：

（1）符号特征提取：本研究利用卷积神经网络（CNN），以自动识别并提取新中式符号中的关键视觉特征。该过程涉及对大量新中式设计样本的学习和特征抽象，使得模型能够捕捉到构成新中式设计风格的核心视觉元素。因此模型能够深入理解并再现新中式设计的文化特色和设计一致性，为后续的创新元素生成提供坚实的基础。

（2）创新元素生成：在特征提取的基础上，生成器利用这些关键特征来创造新的图案元素。与此同时，判别器的作用是确保所生成的新元素在风格上与新中式设计保持一致性。这一过程不仅涉及到对传统元素的创新性重组，还包括对元素的再创造，以适应现代审美和设计需求。通过对抗性训练，生成器和判别器之间的互动促使生成器不断优化其输出，直至生成的元素在视觉上和风格上与新中式设计无缝融合，从而为新中式设计领域提供了广阔的创新空间。

3.基于文本描述的图像生成技术

本研究提出了一种创新的技术框架，基于生成对抗网络（GAN）来解决文本描述转换为视觉图像的挑战。核心技术原理如下：

（1）文本编码与图像生成：本研究中的技术核心在于自然语言处理（NLP）技术的应用，该技术能够将文本描述转换为数值表示，进而作为GAN 的输入。具体而言，通过利用深度学习模型对文本进行编码，提取文本中的语义信息，并将其转化为高维空间中的向量表示，使得模型能够准确捕捉文本中的关键词和概念，并将其映射为相应的视觉元素。随后，GAN 的生成器网络利用这些数值表示生成与文本描述相匹配的图像。

（2）跨模态映射与优化：在GAN 的框架下，模型通过对抗性训练学习如何将文本信息映射到图像特征上。生成器网络生成图像，而判别器网络则评估生成图像与真实图像之间的差异。这一过程不断迭代，直至生成器网络能够产生与输入文本高度一致的图像。对抗性训练不仅提高了生成图像的视觉吸引力，而且确保了图像内容与输入文本在语义上的一致性。通过这种方式，模型能够学习复杂的跨模态映射，并生成在视觉上和内容上都与文本描述相符合的图像。

三．结语

本研究通过结构方程模型分析，揭示了青年群体对新中式服饰的接受度主要受功能性、感知有用性及社群影响三方面的显著正向驱动。同时，研究GAN 在新中式服饰设计，通过线稿生成逼真图像到传统符号创新，再到文本到图像生成三个关键领域取得突破性进展。这些发现为新中式服饰的市场策略制定与人工智能技术在该产业的深化应用提供了重要的理论与实践支持。

四．参考文献

[1] 邱超奕，王珂.传统文化融进来.服装市场添色彩[N].人民日报，2024

[2]聂宇，聂鑫，朱依琳，等.基于机器深度学习的图像风格化应用[J].电脑知识与技术，2021，17（07）：15-17.DOI：10.14004/j.cnki.ckt.2021.0714.

[3]胡雪竹，何为，赵芳，等.基于卷积神经网络的安全帽检测系统[J].中国科技信息，2022，（24）：114-116.

[4]施倩，罗戎蕾.基于生成对抗网络的服装图像生成研究进展[J].现代纺织技术，2023，31（02）：36-46.DOI：10.19398/j.att.202203056.

[5]任青阳，王彦丁，施俭.卷积神经网络目标检测算法研究进展[J].科学技术与工程，2024，24（32）：13665-13677.

[6]孟婵媛，熊轲，高博，等.面向 6G 的生成对抗网络研究进展综述[J].物联网学报，2024，8（01）：1-16.

[7] 杜 斐 . 生 成 对 抗 网 络 在 服 饰 风 格 迁 移 中 的 应 用 [D]. 云 南 师 范 大学，2021.DOI：10.27459/d.cnki.gynfc.2021.001187.

[8]李睿娜，张一帆.人工智能参与中华优秀传统文化传承创新的应用研究[J].智慧中国，2024，（07）：86-87.

[9] 刘康， 马浩然， 邢乐. 基于生成对抗网络的中式婚服设计[J]. 服装学报，2024，9（03）：208-214.

课题来源：大学生创新创业计划市级立项；课题名称：“ 古韵今风” ：青年视角下新中式服饰的智能设计与文化传承；编号：202511047008。