检索结果-内蒙古大学图书馆

计算机时代 2025年第1期 11-15页

作者：周登继刘国阳黄济富蒙静远中国电建集团华东勘测设计研究院有限公司浙江杭州311122 浙江华东工程数字技术有限公司

深度学习中遥感影像解译需要大量高质量遥感数据,但获取大量高分辨率的遥感数据成本高昂。为高效、经济地解决模型训练数据匮乏的问题,本文利用稳定扩散模型(Stable Diffusion)实现了遥感图像的生成。该方法利用DreamBooth技术和控制网... 详细信息

深度学习中遥感影像解译需要大量高质量遥感数据,但获取大量高分辨率的遥感数据成本高昂。为高效、经济地解决模型训练数据匮乏的问题,本文利用稳定扩散模型(Stable Diffusion)实现了遥感图像的生成。该方法利用DreamBooth技术和控制网络(ControlNet),通过文字描述从噪声端到端生成多传感器遥感影像。实验结果表明,该方法不仅能够有效提高训练数据的多样性,而且生成的数据质量接近真实数据水平,解决了训练数据不足的问题。

关键词：稳定扩散模型 DreamBooth ControlNet 深度学习遥感图像生成

来源：评论

学校读者我要写书评

暂无评论

基于稳定扩散模型的园林景观方案平面生成研究

引用

城市建筑空间 2025年第04期 28-33页

作者：张文竹廖劢李鑫赵昕李秋晨税嘉陵中国建筑设计研究院有限公司生态景观建设研究院中国建筑设计研究院有限公司中国建筑设计研究院有限公司生态景观建设研究院景观二所

基于稳定扩散模型，提出在园林景观方案平面设计阶段借助AI高效进行创意探索与方案比选的方法，即模型融合与深度控制方法。建立专属园林景观方案平面图的融合模型，再选取不同类型项目进行测试，输入提示词及结构线稿，结合ComfyUI节... 详细信息

基于稳定扩散模型，提出在园林景观方案平面设计阶段借助AI高效进行创意探索与方案比选的方法，即模型融合与深度控制方法。建立专属园林景观方案平面图的融合模型，再选取不同类型项目进行测试，输入提示词及结构线稿，结合ComfyUI节点搭建潜空间融合法及ControlNet控制网络法对成图细节进行控制，引导生成创意平面设计方案，最后对成图效果进行多方面评价，验证模型及方法的可行性。

关键词：园林景观人工智能方案平面稳定扩散模型

来源：评论

学校读者我要写书评

暂无评论

基于稳定扩散模型的汉服效果图生成研究

引用

北京服装学院学报（自然科学版） 2024年第4期44卷 90-97页

作者：李智陈郁上海工程技术大学纺织服装学院上海201620

针对汉服效果图生成过程中因各朝代服饰特征难以被准确捕捉而造成生成图像朝代混淆的问题,本文基于稳定扩散模型(Stable Diffusion),根据新输入的文本提示词匹配文本与图像特征空间向量,将V^(*)作为新标记符号嵌入层,并协同交叉注意力... 详细信息

针对汉服效果图生成过程中因各朝代服饰特征难以被准确捕捉而造成生成图像朝代混淆的问题,本文基于稳定扩散模型(Stable Diffusion),根据新输入的文本提示词匹配文本与图像特征空间向量,将V^(*)作为新标记符号嵌入层,并协同交叉注意力层参数W k和W v进行联合优化,最终搜索模型再学习新服饰文本特征后的损失函数最小值。通过查阅文献史料,收集整理并新增了唐、宋、明3个朝代163个服饰文本提示词。观察生成的汉服效果图,该模型能根据文本提示词生成符合朝代特征的服饰图像,较未融合汉服模型特征的3种常用文本生成图像算法,其生成的图像更为清晰且高质。在消融实验中,该模型采用特定ID优化标记符号V^(*),与其他方式相比,具有较高的图像对齐度和较低的文本对齐度。在唐、宋、明3个朝代的实验中,KID值和MMD值的均值都相对较低,表明本模型在优化汉服效果图生成方面具有一定的可行性和有效性。

关键词：服饰效果图汉服图像生成稳定扩散模型文本生成图像

来源：评论

学校读者我要写书评

暂无评论

应用稳定扩散模型的蓝印花布单纹样自动生成

引用

现代纺织技术 2024年第12期32卷 48-57页

作者：冉二飞贾小军王子祥谢昊许聪源嘉兴大学信息科学与工程学院浙江嘉兴314001 浙江理工大学计算机科学与技术学院(人工智能学院)杭州310018 浙江理工大学信息科学与工程学院杭州310018

蓝印花布是中国的非物质文化遗产,具有重要的传承创新意义。为了自动生成蓝印花布新纹样,提出一种端到端的蓝印花布单纹样自动生成方法。针对蓝印花布的抽象风格和小数据集问题,改进动态低秩自适应算法(DyLoRA),提出了新的参数分解法来... 详细信息

蓝印花布是中国的非物质文化遗产,具有重要的传承创新意义。为了自动生成蓝印花布新纹样,提出一种端到端的蓝印花布单纹样自动生成方法。针对蓝印花布的抽象风格和小数据集问题,改进动态低秩自适应算法(DyLoRA),提出了新的参数分解法来提高参数矩阵的秩,从而实现对稳定扩散模型的微调,最后将稳定扩散模型的语义信息与承载蓝印花布风格的DyLoRA模块结合,并利用控制网络(Controlnet)控制图形结构,自动生成蓝印花布新的单纹样。使用上述方法进行蓝印花布纹样生成实验,并与原始的DyLoRA方法进行对比。结果表明,基于改进的DyLoRA微调和Controlnet控制的模型能通过文本信息自动生成新的单纹样,且主观性上与原始风格最接近,有助于蓝印花布的数字化传承和创新。

关键词：蓝印花布深度学习动态低秩自适应稳定扩散模型单纹样纹样生成

来源：评论

学校读者我要写书评

暂无评论

基于改进CycleGAN和稳定扩散模型的陶瓷图案生成算法研究

基于改进CycleGAN和稳定扩散模型的陶瓷图案生成算法研究

引用

作者：李钢景德镇陶瓷大学

学位级别：硕士

在陶瓷制作过程中,装饰图案的设计与应用是提升陶瓷艺术美感的关键环节,因此陶瓷装饰图案设计长久以来备受瞩目,是研究者们热衷探索的领域之一。然而,传统的装饰图案设计过程费时耗力,效率低下,风格拘泥于固定的框架,难以适应和满足当... 详细信息

在陶瓷制作过程中,装饰图案的设计与应用是提升陶瓷艺术美感的关键环节,因此陶瓷装饰图案设计长久以来备受瞩目,是研究者们热衷探索的领域之一。然而,传统的装饰图案设计过程费时耗力,效率低下,风格拘泥于固定的框架,难以适应和满足当代社会多样化的审美需求。为打破传统束缚,在陶瓷装饰图案设计中注入新的活力和创意,本文提出了基于改进Cycle GAN模型的陶瓷装饰图案风格迁移算法,实现了高质量的风格迁移。本文构建了包含陶瓷装饰图案及对应文本描述的多模态数据集,以支持稳定扩散模型训练。本文采用微调方法训练稳定扩散模型,实现了用户输入文本自动生成陶瓷装饰图案。主要研究内容如下: 1.本文通过引入自注意力机制和VGG16结构改进Cycle GAN网络结构,采用直方图均衡化和图像锐化等预处理技术增强图像的细节信息。改进后Cycle GAN算法与原算法相比,PSNR值提高了2.76,减少了生成图像存在伪影、失真等现象;SSIM值提升了6.18%,图像的结构和纹理信息得到了更好的保留。改进后模型FID得分为14.13,与其他风格迁移算法想比,FID得分最低,生成图案与真实图案在统计特性上更接近,证明了改进Cycle GAN算法在色彩转换的准确度和纹理细节上表现得更为出色。在主观评价中,业余组和专家组主观平均得分分别为4.63和4.42,反映模型在视觉美学方面得到了认可。 2.本文构建了包含4500幅陶瓷装饰图案及对应文本描述的多模态数据集,每一幅图案均经过严格筛选,确保具有显著的代表性。数据集中图案内容丰富多样,涵盖了山水、动物、植物、人物、风景、文字以及几何等多种主题,为陶瓷艺术与计算机科学领域的交叉研究提供了宝贵的数据资源。 3.本文采用稳定扩散模型进行微调训练,模型可生成多种风格陶瓷装饰图案。实验结果验证了本文方法在灵活性和泛化能力方面的优势。图案质量评价维度方面,业余组、专家组主观平均得分别为4.38分、4.3分,表明生成的陶瓷图案在质量上达到了较高的标准。图案美观维度的主观平均得分分别为3.97分、3.88,反映出生成图案在色彩搭配、设计和整体视觉方面表现良好。

关键词：陶瓷装饰图案改进CycleGAN 多模态数据集稳定扩散模型

来源：评论

学校读者我要写书评

暂无评论

基于稳定扩散模型的中小尺度风景园林空间布局方案生成探索

引用

建筑与文化 2024年第9期 268-271页

作者：徐蕴博四川农业大学风景园林学院

人工智能算法如何有效地提取风景园林设计特征并应用于实际规划设计中是一个值得探讨的问题。已有的研究常集中于利用生成对抗网络构建生成设计技术流程,且在研究过程中也体现出了该算法应用于生成设计的问题,而对于使用稳定扩散模型(St... 详细信息

人工智能算法如何有效地提取风景园林设计特征并应用于实际规划设计中是一个值得探讨的问题。已有的研究常集中于利用生成对抗网络构建生成设计技术流程,且在研究过程中也体现出了该算法应用于生成设计的问题,而对于使用稳定扩散模型(Stable Diffusion Models)应用于风景园林方案生成的方法研究则相对较少。鉴于此,文章以特殊标注的平面方案图标签建立用于深度学习的数据集,采用稳定扩散模型算法,通过算法生成风景园林设计方案,并进一步从生成方案对于标注的特征提取能力、方案的合理性等方面评价模型的方案生成结果,探索该训练模型是否有潜力被应用于中小尺度的空间方案设计中。

关键词：风景园林人工智能深度学习稳定扩散模型生成设计

来源：评论

学校读者我要写书评

暂无评论

探索稳定扩散模型在纹样设计中的应用——以宝相花纹为例

引用

浙江工艺美术 2024年第9期 40-42页

作者：陈枻道来思渊浙江理工大学艺术与设计学院

为提升纹样设计效率，本文探讨了人工智能生成内容（AIGC）工具，特别是稳定扩散模型在纹样设计中的应用，考察了其在设计流程中创新和提高效率的潜力。以宝相花纹为例，在对其形态结构以及艺术价值进行分析之后，建立了一个宝相花纹样... 详细信息

为提升纹样设计效率，本文探讨了人工智能生成内容（AIGC）工具，特别是稳定扩散模型在纹样设计中的应用，考察了其在设计流程中创新和提高效率的潜力。以宝相花纹为例，在对其形态结构以及艺术价值进行分析之后，建立了一个宝相花纹样图像数据集，经过机器训练后建立应用于稳定扩散模型的LoRA模型，通过调整不同的参数以及控制提示词生成不同形制的纹样。该方法可以实现短时间大量不同图案的生成，且根据提示词改变元素与形制，可以为当代纹样数字化设计方法提供参考。

关键词：稳定扩散模型低秩适应技术纹样设计人工智能生成设计方法

来源：评论

学校读者我要写书评

暂无评论

视觉感知数据驱动的产品造型智能生成设计方法

引用

计算机辅助设计与图形学学报 2025年

作者：王愫刘月林孙利燕山大学艺术与设计学院河北省智能工业设计技术创新中心

为了更准确地把握用户对于产品的视觉感知规律和造型偏好，智能化生成符合用户需求的产品造型设计方案，提出一种利用稳定扩散模型将视觉感知数据与产品造型生成融合的设计方法. 首先通过K-modes聚类和KNN算法对用户进行集群细分和所... 详细信息

为了更准确地把握用户对于产品的视觉感知规律和造型偏好，智能化生成符合用户需求的产品造型设计方案，提出一种利用稳定扩散模型将视觉感知数据与产品造型生成融合的设计方法. 首先通过K-modes聚类和KNN算法对用户进行集群细分和所属集群智能化识别; 然后根据设计特征的视觉感知模式，使用眼动追踪技术获得用户对产品元素和语义2个特征层的视觉感知数据，分别构建面向不同用户集群的元素特征和语义特征微量数据集; 最后基于DreamBooth和LoRA的多网络组合架构对稳定扩散模型微调训练，建立先元素特征生成和后语义特征生成的产品造型生成的复合模型. 以电动车为例进行实例的结果表明，模型训练时间为2 h，单次运行模型的时间小于1 min，视觉综合评估分数比其他模型整体高出1.24%～2.09%，元素特征的匹配程度结果的相对误差大多小于0.08，表明所提方法在设计效率和需求匹配度方面的优势; 针对不同用户集群，该方法仅需少量样本，即可实现从用户特征信息到用户需求文本再到产品造型设计方案的一站式生成.

关键词：产品造型生成式设计视觉感知眼动追踪稳定扩散模型

来源：评论

学校读者我要写书评

暂无评论

基于多模态大模型的透明印花素材生成方法

引用

计算机测量与控制 2025年

作者：李华军蒋俊豪金海云朱威浙江工业大学信息工程学院杭州宏华数码科技股份有限公司

针对现有的图像生成模型无法满足纺织领域对生成多样透明印花素材专业要求的问题，提出了一种基于多模态大模型的透明印花素材生成方法；采用美学评分预测器构建高质量印花素材数据集，并使用多模态大语言模型BLIP3进行数据集的标签语... 详细信息

针对现有的图像生成模型无法满足纺织领域对生成多样透明印花素材专业要求的问题，提出了一种基于多模态大模型的透明印花素材生成方法；采用美学评分预测器构建高质量印花素材数据集，并使用多模态大语言模型BLIP3进行数据集的标签语义生成；通过多尺度分桶训练的方式微调SD模型，并改进VAE模型将图像透明信息引入到图像生成空间中，使得能够直接生成高质量的透明印花素材。实验结果表明，所设计方法在文生图、图生图两种模式下都能生成内容和风格多样的透明印花素材，并且生成素材的边缘细节明显好于深度学习图像分割模型的结果。

关键词：稳定扩散模型图像生成多模态大模型印花素材

来源：评论

学校读者我要写书评

暂无评论

改进扩散模型的文本生成图像方法

引用

家庭影院技术 2024年第16期342卷 59-62页

作者：刘洋程昔恩景德镇陶瓷大学信息工程学院

本模型是在预训练的扩散模型的基础上赋予新的输入模态，使它和文本共同作为输入条件，提高现存模型的生成可控性。同时，为了留存预训练模型的概念知识，先冻结了原本的权重，然后使用门控机制将新的模态加入新的可训练层。本次改进的... 详细信息

本模型是在预训练的扩散模型的基础上赋予新的输入模态，使它和文本共同作为输入条件，提高现存模型的生成可控性。同时，为了留存预训练模型的概念知识，先冻结了原本的权重，然后使用门控机制将新的模态加入新的可训练层。本次改进的模型，使用文本和边界框作为输入条件，增强过程的可控性从而达到相对较好的结果。

关键词：图像生成稳定扩散模型 GLIP

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：