可智能生成刺绣图案!武汉纺织大学可视计算与数字纺织团队发布首个多缝线刺绣生成对抗网络模型,被顶级期刊 TVCG 录用

Vis相关的期刊会议 可视化可发表的期刊会议 阅读详情
AI摘要

武汉纺织大学团队提出多缝线刺绣生成对抗网络模型 MSEmbGAN,该模型提高了刺绣纹理真实度和色彩保真度。团队建立了最大刺绣数据集,模型含两个子网络。研究通过多方面评估,显示 MSEmbGAN 优于现有刺绣合成和风格转换方法,团队还在多领域有成果。

绣成安向春园里,引得黄莺下柳条。作为非物质文化遗产的重要代表,我国的刺绣艺术历史悠久、技艺精湛,工匠通过不同的针脚、各色的丝线,将主题丰富的图案活灵活现地展示于一方绣布之上。过去,刺绣工艺复杂、门槛极高,需要有专业知识与实践经验的工匠才能完成。近年来,卷积神经网络 (CNN) 在图像分类、目标检测、图像生成和风格迁移等任务上展现出强大能力,研究人员也开始探索利用 CNN 在图像中合成刺绣特征。

然而由于刺绣具有复杂的针法、纹理和立体感,并且包含着微小的细节和不规则的图案,所以 CNN 在合成刺绣特征的应用中存在局限性,例如无法预测不同的缝线类型,使得它难以有效地提取缝线特征,从而无法有效生成连贯且自然的刺绣图案。 因此还需要设计师手动选择和调整缝线类型和其对应的颜色,这一过程往往需要耗费大量的时间,才能达到理想的效果。

针对于此,武汉纺织大学计算机与人工智能学院可视计算与数字纺织团队提出了一种多缝线刺绣生成对抗网络模型 MSEmbGAN。MSEmbGAN 提高了刺绣中纹理真实度和色彩保真度等关键方面的精度,成为首个基于 CNN 成功完成刺绣预测特征的生成对抗网络模型。

相关研究以「MSEmbGAN: Multi-Stitch Embroidery Synthesis via Region-Aware Texture Generation」为题,被 IEEE Transactions on Visualization and Computer Graphics (TVCG) 录用, 上海交通大学计算机科学与工程学院盛斌教授为通讯作者。TVCG 是计算机可视化领域的顶级期刊,被中国计算机学会 (CCF) 列为 A 类期刊。

研究亮点:

  • MSEmbGAN 是第一个成功合成包含多种缝线纹理和色彩的多针刺绣图像的基于学习的模型

  • 提出了两个互相协作的子网络:一个是区域感知纹理生成网络,以确保刺绣纹理的多样性,以及缝线特征的准确性;而另一个是着色网络,以确保输入和输出图像之间颜色的一致性

  • 建立了当前最大的多针刺绣数据集,同时它也是第一个通过单针和多针标签详细标注的刺绣数据集

在这里插入图片描述

论文地址:
https://csai.wtu.edu.cn/TVCG01/index.html

数据集下载地址:
https://go.hyper.ai/Jmj9k

开源项目「awesome-ai4s」汇集了百余篇 AI4S 论文解读,并提供海量数据集与工具:

https://github.com/hyperai/awesome-ai4s

数据集:包含 30K + 图像,为目前已知的最大刺绣数据集

研究人员通过专业的刺绣软件 (Wilcom 9.0) 制作了超过 3 万的图像,包括刺绣图像和相应的内容图像。并且所有图像都被调整为 256 × 256 的分辨率。 多针刺绣数据集将开源,贡献给本研究领域的其他研究者。

值得一提的是,多针刺绣数据集中的图像标注有 4 种标签, 分别对应 3 种单针类型和 1 种多针类型 (Multiple Stitch,指 3 种单针类型的混合)。其中 3 种单针类型分别指缎面 (Satin Stitch)、榻榻米 (Tatami Stitch) 和平针 (Flat Stitch)。

这是第一个通过单针和多针标签详细标注的刺绣数据集,包括 1.3 万多张已对齐内容刺绣图像和 1.7 万多张未对齐图像,是目前已知的最大刺绣数据集。

在这里插入图片描述

多针刺绣数据集图像示意图

制作多针法刺绣数据集的步骤如下:

  • 绘制内容图像:在制作绣版前,刺绣师必须绘制包含刺绣色彩信息的内容图像作为模板。大多数内容图像色彩简单,形状清晰,可加快网络衔接。

  • 缝线设计:对于不同形状的内容图像,必须选择缝线来填充每个区域。刺绣设计师会根据每个区域的形状匹配合适的缝线类型。此外,还必须合理设置每个缝线的相关参数(如间距和方向),以便进行后续的刺绣渲染任务。

  • 创建刺绣数据集:刺绣设计师使用专业刺绣软件 (Wilcom 9.0) 设计和制作刺绣图案,并渲染相应的刺绣图像。

在这里插入图片描述

多针法刺绣数据集中不同标签的数据分布情况

模型架构:包含区域感知纹理生成网络与着色网络两个子网络

MSEmbGAN 模型首先识别输入图像区域内的缝线类型,根据识别的缝线类型生成相应的刺绣纹理,最后优化结果的整体颜色。

为了实现上述功能,研究人员提出了两个子网络,即区域感知纹理生成网络 (Region-aware Texture Generation Network, 见下图橙色方框) 和着色网络 (Colorization Network, 见下图黄色方框)。

在这里插入图片描述

MSEmbGAN 模型架构

区域感知纹理生成网络由缝线分类器模块 (Stitch Classifier, 见上图蓝色框) 和缝线潜码生成器模块 (Stitch Latent Code Generator, 见上图绿色框) 组成。 区域感知纹理生成网络检测输入图像 C 的多个颜色区域,并根据每个局部颜色区域的形状特征,生成灰度单针刺绣图像。着色网络子网络则进一步细化整体图像,确保生成的多针织布图像的颜色与输入图像的颜色保持一致。

由于区域感知纹理生成网络的复杂性,研究人员对其进行了两步训练。第一步先生成刺绣纹理,使用重构网络来保留尽可能多的原始图像特征;第二步是重建颜色信息,使用先验高斯分布在没有数据集的情况下生成刺绣图像。

在这里插入图片描述

区域感知纹理生成网络的两个训练步骤

研究结果:MSEmbGAN 优于目前最先进的刺绣合成和风格转换方法

为了评估 MSEmbGAN 模型的性能,研究人员通过定量和定性、用户反馈调查以及消融实验 4 个方面进行评估。

定量评估

在定量评估中,研究人员基于构建的多针刺绣数据集,对比了 Pix2Pix、CycleGAN、MUNIT、DRIT++ 等风格迁移方法。 如下表所示,研究人员对比较结果进行了量化,并计算了 Learned Perceptual Image Patch Similarity (LPIPS) 和 Fréchet Inception Distance (FID)。

在这里插入图片描述

4种比较方法、2种消融模型和 MSEmbGAN 模型在整个测试数据集上真实图像与生成的刺绣图像之间的平均 LPIPS 和 FID 距离

结果显示,与其他方法相比, MSEmbGAN 具有较低的 LPIPS 距离,这意味着 MSEmbGAN 生成的刺绣图像在感知上更接近真实的刺绣图像。此外,研究人员还使用 FID 来测量生成的刺绣图像和真实图像的特征分布,并对 FID 分数进行了评估,结果表明 MSEmbGAN 生成的刺绣图像最接近 ground truth。

定性评估

在定性评估中,研究人员使用区域感知的纹理生成网络来保持刺绣纹理的真实性和色彩保真度,使 MSEmbGAN 生成的结果具有高度多样化的刺绣纹理。结果显示,MSEmbGAN 在纹理和颜色方面都优于现有的方法,即使用 MSEmbGAN 生成的纹理更接近真实的刺绣纹理,颜色更接近输入图像的纹理。

在这里插入图片描述

MSEmbGAN 和其他四种风格转移方法生成的刺绣图片比较

用户反馈调查

为获得用户的主观反馈,研究人员准备了 14 幅图像,每幅图像都使用 MSEmbGAN 模型和另外 4 种方法进行处理,邀请 25 位候选人根据以下标准为生成的每张图片打 1-5 分:

  • 刺绣质量 (Embroidery quality):生成的图像是否具有与刺绣相关的特征和生动的纹理

  • 色彩质量 (Color quality):输入图像与生成图像的色彩相似度

  • 图像质量 (Image quality):纹理失真、色彩偏移、高频噪声和其他伪影的程度

研究人员收集了 5,250 项评分,并计算了各项标准的平均值和标准误差。分数越高意味着生成的刺绣图像质量越好, 具体如下表所示。

在这里插入图片描述

结果表明,MSEmbGAN 在所有 3 个标准上都更胜一筹,综合性能相较于其他方法更加稳定。

消融实验

此外,研究人员还进行了 2 个消融实验:首先验证缝线分类器和缝线潜码生成器的作用,然后验证着色网络和颜色一致性约束的作用。

如下图所示,(a) 表示输入图像;(b) 表示去掉针脚分类器 C(reg) 和隐码生成器 G(slc) 生成的刺绣图像;© 表示去掉着色网络 (CN) 以及颜色一致性约束(CC) 生成的刺绣图像;(d) 表示使用完整 MSEmbGAN 生成的刺绣图像。

在这里插入图片描述

消融实验结果

在这里插入图片描述

消融实验量化结果

消融结果显示, 在没有缝线分类器和缝线隐码生成器的情况下,网络合成的刺绣图像纹理样式单一,没有保留多针样式特征。其次,一个纹理生成过程不稳定且异常的。

同样,如果去掉着色网络和颜色一致性约束,通过 MSEmbGAN 合成的刺绣结果不能保持颜色特征,从而导致明显的颜色偏移。也就是说,生成的图像与输入图像之间的颜色分布存在巨大的差异。

坚持将计算机技术与纺织服装产业深度融合,多领域成果显著

武汉纺织大学计算机与人工智能学院可视计算与数字纺织团队长期致力于计算机视觉、虚拟现实、多模态学习和智能计算等领域的研究,坚持将计算机相关技术与纺织服装产业相结合,在智能可穿戴、智能时尚设计与推荐、织物数字孪生与智能计算、虚拟试衣等方面取得了一系列成果。 在 TVCG、IOT、TCE、KBS、WWW 等高水平期刊和 CCF 推荐的国际会议上发表学术论文百余篇。近年来团队部分研究成果如下:

针对现有虚拟试衣方法未能考虑人体与服装之间的相互关系而导致试穿服装纹理失真,团队提出了高度逼真的 3D 虚拟试穿网络 H3DVT+。 该网络建立了人与服装的全局关系,可以将服装变形为自然试穿状态下的空间分布,更准确地推断服装 3D 形状的先验信息,创建精细的着装 3D 人体模型。

论文地址:
https://ieeexplore.ieee.org/document/9716786
https://ieeexplore.ieee.org/document/10609455

针对现有智能服装感知人体生理信号的相关研究中,团队提出了一种基于柔性感知设备的全天候人体呼吸信号检测方法, 并将提取的呼吸信号用于实时检测哮喘病,为智慧医疗的应用提供了理论支撑。
论文地址:
https://ieeexplore.ieee.org/abstract/document/10040599

同时,学院团队构建了一种由多种传感器构建的智慧服装系统, 将人体状态信息与人体三维模型实时映射,实现现实世界中的人体状态与虚拟三维空间中人体模型状态同步显示。

论文地址:
https://ieeexplore.ieee.org/document/9964338/

团队一直与国内外高水平高校和研究机构进行合作。具体而言,可视计算与数字纺织团队长期与上海交通大学盛斌教授团队在智慧纺织,大健康方面进行了多个项目合作,发表了 10 余篇高水平论文。 盛教授近 5 年以 (共同) 第一/通讯发表 Nature Medicine、Nature Communications、Science Bulletin、IJCV、IEEE TPAMI 等 SCI 论文 69 篇。

此外,团队与香港理工大学、澳大利亚伍伦贡大学、新加坡科技局、中国人民大学等高校和研究机构在自然语言处理、智能时尚推荐、多模态学习和大模型领域研究展开深入合作。

2023计算机CCF A类会议期刊截稿日期 计算机视觉 阅读详情

相关推荐

[南大ICS]PA1 - 开天辟地的篇章: 最简单的计算机

task PA1.1: 实现单步执行, 打印寄存器状态, 扫描内存 task PA1.2: 实现算术表达式求值 task PA1.3: 实现所有要求, 提交完整的实验报告

qq_42474104的博客 1572

TVCG 简介

全称 IEEE Transactions on Visualization and Computer Graphics (TVCG),是计算机图形学领域仅次于TOG (ACM Transactions on Graphics) 的顶级期刊。每年一个volume,每月一个issue。每个Issue一般都有一个Special Secssion,推荐相关会议中的全部或部分Paper。可以被推荐的会议包括

增强现实专栏 1万+

Win10更新后黑屏只剩鼠标?火绒误杀explorer.exe的5种自救方案(附详细步骤)

本文详细介绍了Win10更新后出现黑屏只剩鼠标的5种专业修复方案,重点解决火绒误杀explorer.exe的问题。从基础的任务管理器操作到安全模式下的系统修复,再到注册表编辑和系统还原,提供了全面的解决方案,帮助用户快速恢复系统正常运行。

weixin_29306571的博客 645

【论文投稿】图形学论文投稿去向

SIGGRAPH:SIGGRAPH会议是计算机图形学领域最重要的会议之一,接收与图形学和交互技术相关的高质量论文。该会议涵盖了各个方面的图形学研究,包括网格处理、几何建模、渲染和可视化等。Eurographics:【SCI 4区】Eurographics是欧洲计算机图形学领域的主要会议,也接收与网格几何处理相关的论文。该会议汇集了欧洲和国际上的研究人员,展示最新的图形学研究成果。

weixin_43693967的博客 4895

SpringBoot集成SpringSecurity5和OAuth2 — 2、OAuth2客户端【SSO单点登录时作为客户端】

SpringBoot集成SpringSecurity5和OAuth2 — 2、OAuth2客户端【SSO单点登录时作为客户端】

Mr_XiMu的博客 3744

通信工程学习:什么是ASK振幅键控、FSK频移键控、PSK相移键控

ASK、FSK和PSK是三种基础数字调制技术。ASK通过改变载波振幅传输信息,实现简单但抗干扰弱;FSK利用频率变化传递信号,抗干扰较强但频谱利用率一般;PSK通过相位变化编码数据,抗干扰和频谱效率最优但同步要求高。三种技术各具特点,分别适用于不同通信场景:ASK用于低速光纤通信,FSK常见于无线广播,PSK则广泛应用于Wi-Fi、蓝牙等现代通信系统。

limengshi138392的博客 8734

可视化方向的几个期刊会议,供参考

简述可视化方向的几个期刊会议,以CCF推荐期刊会议目录为参考。

青筑 8885

ADRV9009学习资料保存:基于XC7Z100+ADRV9009的双收双发无线电射频板卡

ADRV9009学习资料保存:基于XC7Z100+ADRV9009的双收双发无线电射频板卡 一、板卡概述 基于XC7Z100+ADRV9009的双收双发无线电射频板卡是基于XilinxZYNQFPGA和ADI的无线收发芯片ADRV9009开发的专用功能板卡,用于5G小基站,无线图传,数据收发...

9395

天塌了!中科院1区TOP顶刊首次降为2区!

自1995年创刊,由IEEE出版社出版,专注于可视化技术及计算机图形学的各个方面,作为CCF-A类推荐期刊,其吸引了来自麻省理工学院、斯坦福大学、清华大学等各大知名学府的研究者,在全球范围享有声誉。聚焦于计算机图形学、信息与科学可视化、可视分析、虚拟与增强现实等领域,涵盖相关理论、算法、方法论、人机交互技术及系统软硬件开发,并发表这些方向的基础研究与创新应用。,几乎翻了一倍,截止2025年11月期刊发文量已达775篇,投稿机会较大。,德国排名第三,整体来看期刊国际化程度高,对国内学者相对友好。

zkyf2022的博客 1077

Cesium+Three.js融合实战:从零构建GIS与BIM一体化大场景

本文详细介绍了Cesium与Three.js融合技术在GIS与BIM一体化大场景中的应用实践。通过坐标系转换、双引擎协同渲染等核心技术,实现宏观地理信息与微观建筑细节的完美结合,为智慧城市、数字孪生等项目提供高效解决方案。文章包含环境配置、性能优化等实战经验,助力开发者快速掌握三维可视化开发技巧。

weixin_42563415的博客 264

CISSP背书三次失败后的终极解决方案

本文分享了作者CISSP认证三次线上背书审核失败的经历与终极解决方案。针对(ISC)²官方审核的严格性,文章详细剖析了使用公积金证明、工作证明盖章签字等常见材料的误区,并最终提出了通过构建“官方邮件往来”证据链的核心策略,以动态、可验证的方式成功通过审核,为后来者提供了详实的避坑指南和实操清单。

weixin_29219539的博客 156

图形学相关期刊和会议的基本信息

主要的会议和期刊见:CCF 推荐期刊 2022 (qq.com)CCF 推荐会议 2022 (qq.com)

Dezeming的博客 8825

Bybit面经

这段总结描述了求职者在Bybit面试过程中的经历和相关问题,包括面试内容、求职者向面试官提问的问题以及关于Bybit的信息

郑泽洲的博客 2586

如何利用PS动作一秒将字体生成逼真刺绣效果

首先,这个教程需要用到一个ps自动样式。 经常使用ps的人都知道,使用ps制作图片的时候经常会遇到一些重复性的动作来处理不同的图片。于是,有心的美工这个时候就会将这一连串的重复步骤把它录制下来。这样,下次在作图的时候只需要几秒钟就可以完成一张图片,特别方便。 废话不多说,直接进入主题: 案例: 除了简单的字体,还可以做一些图案: STEP2 打开文件夹中的psd文件,当然这些动作在别的图片中都...

weixin_44330888的博客 4614

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

ISMAR 2022 Journal Paper (TVCG)投稿交流

有没有人今年投了ISMAR 2022 Journal Paper ? 一起交流啊~~~

AplusX 2254

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

体渲染消光优化-2016TVCG-原理与技术

Table of Contents 摘要 引子 我们的贡献 相关工作 基础 1、体照明 2、消光优化 摘要 新模型——优化单散射模型中的光衰减。 以前的问题:由于光的指数衰减,导致被遮挡区域和照明区域亮度变化有很高的动态范围,以及因为光从采样点到摄像机衰减太多,可能导致重要区域不可见。 本文思想:提供了重要性函数——照明这些重要结构。重要性函数——让更多光照明这里的区域。同时,周边阴影来增强深度显示。同时更多的光从采样点发射到摄像机中。 方案:最小化问题——自动决定沿着视点或者阴影方

Dezeming的博客 1061

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

计算机图形学领域国际期刊以及会议介绍

图形学领域相关期刊推荐 及部分SCI影响因子(非官方分类,仅供参考) 一、  A类(顶级刊物,投稿须谨慎) 序号 刊物简称 刊物全称 影响因子 出版社 网址 1.   TOG ACM Transactions on Graphics SCI: 3.619 ACM

吾尝终日而思矣,不如须臾之所学也 1万+

计算机科学与技术发表文章,计算机科学与技术学院粆倩文老师的文章在顶级学术期刊IEEE TVCG上发表...

以计算机科学与技术学院计算机视觉与网络智能团队教师粆倩文为第一作者的论文“Dictionary-based Fidelity Measure for Virtual Traffic”被CCF A类——计算机图形学和可视化领域国际顶级学术期刊《IEEE Transactions on Visualization and Computer Graphics》(简称IEEE TVCG)已于近期发表。针对...

weixin_36081485的博客 600

通过局部聚集自适应的解开小世界网络的纠结

全称 IEEE Transactions on Visualization and Computer Graphics (TVCG),是计算机图形学领域仅次于TOG (ACM Transactions on Graphics) 的顶级期刊 摘要小世界网络具有典型的低成对的短距路径距离,导致基于距离的布局方法产生毛球图形。因此,最近的研究方法是寻找图...

程序萌部落 916

GAN在图像纹理生成中的应用:实例与研究动态

1.背景介绍 图像纹理生成是计算机视觉和人工智能领域中一个重要的研究方向,它涉及到生成新的图像,这些图像具有自然、生动和丰富的纹理特征。随着深度学习技术的发展,生成对抗网络(Generative Adversarial Networks,GANs)已经成为图像纹理生成的主要方法之一。GANs是一种深度学习架构,它包括两个神经网络:生成器(Generator)和判别器(Discriminator)...

AI天才研究院 905

MARS:Mixture of Auto-Regressive Models forFine-grained Text-to-image Synthesis用于细粒度文本到图像生成的自回归模型混合框架

MARS:Mixture of Auto-Regressive Models forFine-grained Text-to-image Synthesis用于细粒度文本到图像生成的自回归模型混合框架

Together_CZ的博客 1690

人工智能以及图形图像处理领域CCFA类期刊汇总与个人评价

这里汇集一些关于人工智能以及图形图像处理领域的CCFA类顶级期刊以及一些我对这些期刊评价。 人工智能 Artificial Intelligence (AI) IEEE Trans on Pattern Analysis and Machine Intelligence (TPAMI) International Journal of Computer Vision (IJCV) Journal of Machine Learning Research(JMLR) 点评:要说名气,TPAMI在业

2万+

在IEEE TVCG模板使用bib文件加入参考文献

在IEEE TVCG模板中使用.bib文件,添加参考文献

weijiaw的博客 1774

关于IEEE TVCG模板的参考文献问题

今天下载了TVCG的模板,发现没有带着bib文件,检查tex发现,其默认的参考文献引用方式是直接插入tex的方式: \begin{thebibliography}{1} \bibitem{IEEEhowto:kopka} H.~Kopka and P.~W. Daly, \emph{A Guide to {\LaTeX}}, 3rd~ed.\hskip 1em plus 0.5em minus 0.4em\relax Harlow, England: Addison-Wesley, 1999. \e.

1553

LaTeX(IEEE-TVCG)各种使用工具及要点

math:各种符号:http://www.360doc.com/content/16/0824/20/11290363_585661329.shtml 公式编辑器:https://www.codecogs.com/latex/eqneditor.php使用该网页下面输出的公式直接用到LaTeX中,输出的公式在PDF会直接换行居中,但不会编号。为了有编号,可以使用如下格式: \usep...

bulubulu2527的博客 2919

TVCG-2019-HeteroFusion: Dense Scene Reconstruction Integrating Multi-sensors多传感器融合密集场景重建

TVCG-2019-HeteroFusionHeteroFusion: Dense Scene Reconstruction Integrating Multi-sensorsAbstract HeteroFusion: Dense Scene Reconstruction Integrating Multi-sensors Abstract —We present a novel approa...

qq_35740095的博客 831
上一篇: 聚焦Llama新场景和AR眼镜,扎克伯格用AI赋能元宇宙,Meta Connect 2024开发者大会直播约起...
下一篇: 聚焦Llama新场景和AR眼镜,扎克伯格用AI赋能元宇宙,Meta Connect 2024开发者大会即将开始
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值