一种基于人工智能技术的服装智能设计和纸样自动生成方法、系统及存储介质

摘要

本发明公开了一种基于人工智能技术的服装智能设计和纸样自动生成方法、系统及存储介质，包括获取“文本‑数值”设计需求，并对设计需求编码生成编码向量；将编码向量输入预先训练的图片生成模型，使得图片生成模型生成服装设计图；将编码向量输入预先训练的纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值，根据纸样坐标变化坐标值和基础纸样库的初始坐标值绘制纸样。本发明可以用户输入的要求，直接从零开始端到端的生成服装设计图和纸样，实现设计和打版一步到位，且能够实现对服装各个细节的精确控制。

说明书

技术领域

本发明涉及服装设计和打版技术领域，尤其涉及一种基于人工智能技术的服装智能设计和纸样自动生成方法、系统及存储介质。

背景技术

目前，人工智能技术在服装领域的技术方案已有一些，例如利用图片生成技术进行辅助服装智能设计，利用图片识别和知识图谱进行服装纸样生成等，但都是依赖已有的基础进行再次微调，不是从零端到端的直接生成，并且都是单独针对服装设计或服装纸样生成的，但实际生产中服装的设计图和纸样是一一对应，设计师修改设计，纸样也需要对应的修改，目前还没有一种方案能够同时生成服装设计图和服装纸样的方案。

近期，以GPT-4为代表的大语言模型和以Stable Diffusion为代表的图片生成模型的涌现，使得人工智能的对信息的理解与处理能力和对图片生成的清晰程度有了质的提升。但是这些模型只能大概的生成服装款式，无法对服装的具体生成细节进行控制，例如泡泡袖的泡泡大小、娃娃领的领面的宽度等。

发明内容

本发明的目的是提供一种基于人工智能技术的服装智能设计和纸样自动生成方法、系统及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明为实现上述发明目的采用如下技术方案：

本发明提供了一种基于人工智能技术的服装智能设计和纸样自动生成方法，包括：

获取“文本-数值”设计需求，并对设计需求编码生成编码向量；

将编码向量输入预先训练的图片生成模型，使得图片生成模型生成服装设计图；

将编码向量输入预先训练的纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值，根据纸样坐标变化坐标值和基础纸样库的初始坐标值绘制纸样。

进一步地，所述图片生成模型的训练方法包括：

建立服装款式、组成部件和设计点的拓扑结构，并对每个设计点的特征强弱进行量化表示；

基于拓扑结构构建“文本-数值-图片”对数据库，训练连接“文本-数值”和图片之间的编码模型；

利用训练的编码模型来训练图片生成模型得到设计图生成模型。

进一步地，构建“文本-数值-图片”对数据库的方法包括：

使用服装图片数据，按照识别算法的标注方式构建识别数据库，然后训练服装识别模型；

利用训练的服装识别模型从公开的图像生成数据库中识别出含有服装的图片，并依据图片检索出对应的文本描述，构建含有服装的“文本-图像”结构的数据库；

再添加数值，即可构建起“文本-数值-图像”对数据库。

进一步地，所述编码模型将“文本-数值”信息编码成其他模型可理解的向量格式，便于图像生成模型和纸样生成模型调用；

所述编码模型包括文本-数值编码模型和图片编码模型；

在训练阶段，所述文本-数值编码模型采用Transformer模型编码“文本-数值”信息，生成文本-数值向量；所述图片编码模型采用Vision Transformer模型编码图片信息生成图片向量；

在使用推理阶段，采用所述文本-数值编码模型生成“文本-数值”向量。

进一步地，利用训练的编码模型来训练图片生成模型得到设计图生成模型的方法包括；

采用训练的编码模型输出的向量作为输入条件来训练图片生成模型得到设计图生成模型。

进一步地，所述纸样生成模型的训练方法包括：

构建服装纸样的曲线坐标点数据库；

基于曲线坐标点数据库构建基础款式纸样的坐标点数据库，以及潮流款式与对应基础款式的纸样坐标差值数据库，来训练纸样生成模型；

采用训练的编码模型输出的向量作为输入条件来训练纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值。

进一步地，构建基础款式纸样的坐标点数据库，以及潮流款式与对应基础款式的纸样坐标差值数据库的方法包括：

根据建立的拓扑结构和曲线坐标点数据库，收集基础款式纸样并建立坐标点数据库；

收集各种潮流款式的纸样，将潮流款式与其对应的基础款式的坐标变化点差值建立纸样坐标差值数据库，来训练纸样生成模型。

本发明提供了一种基于人工智能技术的服装智能设计和纸样自动生成系统，包括：

编码向量生成单元，用于获取“文本-数值”设计需求，并对设计需求编码生成编码向量；

服装设计图生成单元，用于将编码向量输入预先训练的图片生成模型，使得图片生成模型生成服装设计图；

纸样生成单元，用于将编码向量输入预先训练的纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值，根据纸样坐标变化坐标值和基础纸样库的初始坐标值绘制纸样。

本发明提供了一种基于人工智能技术的服装智能设计和纸样自动生成系统，包括存储器和处理器；

所述存储器用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。

本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

本发明的有益效果如下：

本发明可以用户输入的要求，直接从零开始端到端的生成服装设计图和纸样，实现设计和打版一步到位，且能够实现对服装各个细节的精确控制。

附图说明

图1为根据本发明实施例提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法的流程框图；

图2为根据本发明实施例提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法中构建流程示意图；

图3为根据本发明实施例提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法中使用流程示意图；

图4为根据本发明实施例提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法中泡泡袖的泡泡量举例说明示意图；

图5为根据本发明实施例提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法中曲线端点和控制点示意图。

具体实施方式

下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

如图1至图5，本发明提供的一种基于人工智能技术的服装智能设计和纸样自动生成方法，包括以下步骤：

S100，获取“文本-数值”设计需求，并对设计需求编码生成编码向量；

S200，将编码向量输入预先训练的图片生成模型，使得图片生成模型生成服装设计图；

S300，将编码向量输入预先训练的纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值，根据纸样坐标变化坐标值和基础纸样库的初始坐标值绘制纸样。

所述S100具体包括：

S101，构建设计输入提示模块。根据建立的服装款式、组成部件和设计点的拓扑结构，构建输入引导模块，自动显示各个设计点的设计提示，提高输入设计的速度和质量。

S102，目前的图片生成模型，prompt输入的内容完全由用户思考，导致用户容易忽略设计点和细节要求，本发明在输入模块，自动提示设计点，方便用户快速填写设计需求。

所述S200具体包括：

S201，建立服装款式、组成部件和设计点的拓扑结构，并对每个设计点的特征强弱进行量化表示。统计所欲的服装部件和对应的设计点，对各个设计点的属性强弱进行用数值表示，强度从弱到强用0～10的数字表示，0为没有，10为最强。

对各种服装款式进行整体设计点分析，然后对各个部件进行分析，例如：连衣裙整体特性包括：风格、长度、合体度等，组成部件包括：衣身、领子、领口、袖子、配饰；衣身的设计点包括：扭结、抽绳、交叠、门襟、打揽、褶皱、叠褶、破缝等；领子设计点包括：翻领、立领、罗纹领、西装领、风衣领、娃娃领、海军领、无领等，领口设计点包括：圆领口、V领口、方领口、五角领口、花边领口等；袖子的设计点包括：袖型、袖长、袖子合体度、袖山造型、袖口造型和袖身造型；袖山造型包括：落肩袖、插肩袖、正常袖、泡泡袖等。

对各个设计点的属性强弱进行量化表述，例如：泡泡袖的泡泡大小如图3所示，最大泡泡量未10，中等为5，最小为1，无泡泡为0，其他泡泡大小依次递推；同理，衣身的长度、领子的领面大小、领口的深度等都用同样的方式量化表示。

S202，构建“文本-数值-图片”对数据库。在文字描述图片内容的“文本-图片”数据结构基础上，对服装设计点的强弱程度进行量化表示，形成“文本-数值-图片”对数据库。

目前图片生成数据库(例如：LAION-5B、LAION-400M、WIT等)采用的文字描述方式只定性的描述图片中有什么，而没有对物体本身进行定量的描述，例如：对一件女衬衫的描述为：“女衬衫，法式，短款，扭结，V领口，短袖，泡泡袖”。本发明提出的数据结构需要在文字描述的基础上增加定量的描述，例如上述描述应改成“女衬衫，法式，短款-4，扭结-5，V领口-6，短袖-4，泡泡袖-3”，其中“短款-4”表示衬衫为短款，长度应到肚脐部位附近；“扭结-5”表示衣身上有扭结，扭结大小为中等大小；“V领口-6”表示该衬衫是V型领口，领口深度略微偏深；“短袖-4”表示袖子为短袖，且袖子长度在手臂长度的十分之四左右；“泡泡袖-3”表示袖子是泡泡袖，泡泡量略偏小。

为了快速构建数据库，本文提出一种通过单独训练的服装识别模型，从已公开的数据库中快速检索出需要的数据，再人工调整的方法来快速构建数据库。该方法充分利用现有的公开数据，以较低的成本，快速构建数据库。

图片生成模型通常需要百万甚至上亿的数据量，为了快速构建如此庞大的数据库，可以先使用少量服装图片数据，按照识别算法的标注方式构建识别数据库，然后训练服装识别模型。

利用上述的服装识别模型从公开的图片生成数据库(例如：LAION-5B、LAION-400M、WIT等)中识别出含有服装的图片，并依据图片检索出对应的文本描述，快速构建含有服装的“文本-图片”结构的数据库，然后只要手动添加数值，即可构建起“文本-数值-图片”。

S203，训练连接“文本-数值”和图片之间的编码模型。所述的编码模型，是将“文本-数值”信息编码成其他模型可以理解的向量格式，便于图片生成模型和纸样生成模型调用。

训练阶段，所述编码由两部分组成：“Text-Number Encoder”(文本-数值编码模型)和“Image Encoder”(图片编码模型)。“Text-Number Encoder”采用Transformer模型编码“文本-数值”信息，生成WN-Vector(“文本-数值”向量)，“Image Encoder”采用VisionTransformer模型编码图片信息生成I-Vector(图片向量)，然后对比学习两个向量之间的相似度，相似度采用cosine相似度计算。模型训练的目标函数就是不断对比学习这个相似度。

在使用推理阶段，只采用“Text-Number Encoder”生成的WN-Vector(“文本-数值”向量)。

S204，训练图片生成模型。采用训练的编码模型输出的向量作为输入条件来训练图片生成模型得到设计图生成模型。

图片生成模型采用生成图片质量更高、效果更稳定的扩散模型。模型主要部分为一个时序去噪自编码器ε

其中L

所述S300具体包括：

S301，构建服装纸样的曲线坐标点数据库。服装纸样由多个曲线组成，主要以CAD文件格式存在，无法用于模型的训练。本发明提出用(x，y)坐标点格式表示纸样曲线的方法，即先利用CAD解析软件导出各个端点和控制点的(x，y)坐标(如图4所示)，按照服装的款式和部件的结构建立数据库，如下表所示。

为了便于识别，规定端点和控制点坐标列表统一遵循从左至右从上到下的原则。

有别于目前普遍存储纸样CAD文件的做法，本发明提出的将纸样CAD文件以(x，y)坐标点构建数据库，将原本难以用于训练的纸样文件可以方便的用于模型训练。

S302，构建基础款式纸样的坐标点数据库，以及潮流款式与对应基础款式的纸样坐标差值数据库。按照建立的拓扑结构，收集服装基础款式纸样并建立坐标点(x,y)数据库，收集各种潮流款式的纸样，将对应基础纸样坐标点的变化值(Δx,Δy)建立成实际款式的数据库，用于训练纸样生成模型。

由于潮流款式的纸样都是在基础的服装纸样上变化来的，所以先构建基础纸样的坐标数据库，然后将潮流款式与其对应的基础款式的坐标变化点差值(Δx,Δy)构建变化数据库。

具体的，构建潮流款式的坐标差值数据库，只要将潮流款式纸样与对应基础纸样的中心对齐，即可通过解析CAD软件坐标读出其坐标差值，此外中心对齐的方式，可通过少量代码开发实现，因此可以用较小的成本快速构建出数据库。

S303，训练纸样生成模型。采用训练的编码模型输出的向量作为模型的输入条件来训练纸样生成模型。纸样生成模型输出包含两部分，分别为部件类型和对应的坐标变化值(Δx,Δy)。

纸样生成模型搭建方面，模型包含两个任务分支：部件类型的分类任务和坐标点差值的回归任务，因此可以使用目标检测算法的框架用于构建模型。

模型输出的结果以上述表格中的曲线为例，模型预测的结果为：端点的偏移值为[(Δx

S304，构建纸样绘制模块。利用CAD绘图工具的代码库，构建绘图模块，将生成的纸样坐标点绘制成CAD纸样，并保存成DXF的通用格式。

本发明提供的一种基于人工智能技术的服装智能设计和纸样自动生成系统，包括：

编码向量生成单元，用于获取“文本-数值”设计需求，并对设计需求编码生成编码向量；

服装设计图生成单元，用于将编码向量输入预先训练的图片生成模型，使得图片生成模型生成服装设计图；

纸样生成单元，用于将编码向量输入预先训练的纸样生成模型，使得纸样生成模型输出部件类型和对应的纸样坐标变化坐标值，根据纸样坐标变化坐标值和基础纸样库的初始坐标值绘制纸样。

本发明提供的一种基于人工智能技术的服装智能设计和纸样自动生成系统，还可以是：包括存储器和处理器；所述存储器用于存储指令；

所述处理器用于根据所述指令进行操作以执行前述基于运动信息的行人重识别方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述基于运动信息的行人重识别方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。