9、基于GAN的穿孔卡片图案设计与生物瓷砖智能混合基础设施

基于GAN的穿孔卡片图案设计与生物瓷砖智能混合基础设施

1. 穿孔卡片图案设计

1.1 AdaIN风格转移编织

AdaIN风格最终形成的图案比NST更随机。这种编织较为成功，因为其结构规模较小，且没有长浮线。尽管图案会被一些非重复结构打乱，但仍存在潜在的对角线和菱形风格。编织时，图案会重复出现，且重复部分会有一些偏移，使得图案并非完全无缝，但边缘也不太明显。

1.2 StyleGAN2编织

StyleGAN2训练产生了各种输出，从非常密集的点到非常稀疏的点都有。稀疏点图案存在问题，因为有些行只有一两个颜色变化，导致出现非常不理想的长浮线。而较密集的StyleGAN2生成图案作为穿孔卡片更为成功，因为它们有足够的间距来形成短浮线，且所有浮线都在六针以下。这些图案还有明显的对角线结构，但会被一些随机针脚打乱，这可能是因为数据集里有很多对角线图案。不过，编织时这种结构就不那么明显了，因为对角线只有一针宽。而且编织后图案会被挤压，结果不如输入的穿孔卡片长。这种图案的纱线结构使其看起来很小，不再是清晰的对角线，而是两种颜色之间的点状阴影或填充。此外，由于编织时结构不明显，很难看出图案在水平方向上重复了多次，但这其实可能是很成功的。最终，图案在不同的对角线和方格设计之间产生了一种独特的动态感。

1.3 总结

不同的神经网络训练测试都产生了前所未有的独特图案，结果的成功程度各异，但每种训练方法都能识别并复制潜在的结构。训练出的图案易于重复，神经网络学习到了图案的潜在结构，从而呈现出数据集中明显的风格。这些潜在结构对于编织材料的构造以及格式塔理论中定义的图案原则都具有重要的视觉吸引力。不过，每个神经网络都有其优缺点。