文化传承与AI：微调潜扩散模型生成新颖乌洛斯纹样

印度尼西亚北苏门答腊的巴塔克族拥有丰富的文化遗产，其中乌洛斯（Ulos）传统织物承载着深厚的象征意义。这种手工编织的布料常用于仪式和日常穿着，其纹样不仅具有美学价值，还传递着社会地位、祝福和族群认同。然而，传统乌洛斯纹样种类有限，且设计过程完全依赖经验丰富的织工手工完成，耗时费力，难以满足现代市场的多样化需求。随着年轻一代对传统技艺兴趣的减弱，这一非物质文化遗产正面临传承危机。

近日，一项发表在arXiv上的研究提出了基于生成式人工智能的解决方案。研究团队由Humasak Tommy Argo Simanjuntak等七位作者组成，他们构建了一个包含高分辨率乌洛斯纹样的带注释数据集，并在此基础上微调了两个预训练的潜在扩散模型：Protogen v3.4和Stable Diffusion v1.4。潜在扩散模型是一种先进的生成模型，能够从文本描述或噪声中逐步生成高质量图像。通过使用精心标注的乌洛斯纹样数据，模型学会了在保持文化一致性的前提下生成新颖图案。

实验采用弗雷歇初始距离（FID）和初始分数（IS）作为定量评估指标。FID衡量生成图像与真实图像在特征空间中的分布差异，值越低表示越接近真实；IS则评估图像的清晰度和多样性。结果显示，Protogen v3.4在所有指标上均显著优于Stable Diffusion v1.4：FID降低了约10.5倍，IS提高了2.0倍。这意味着Protogen生成的图像不仅视觉上更逼真，而且纹样变化更丰富，与真实乌洛斯纹样的分布高度吻合。此外，研究还邀请了传统织工和公众进行主观评价，进一步验证了Protogen的优越性。

研究团队深入分析了模型参数对生成质量的影响。强度（strength）值控制生成图像偏离原始噪声的程度：较低的强度值倾向于生成更接近训练数据的高保真图像，而较高的强度值则引入更多随机性，增加多样性但可能牺牲真实性。这揭示了明确的保真度-多样性权衡。引导尺度（guidance scale）则调节模型对文本提示的遵循程度。实验表明，引导尺度为5-9时，FID、KID（核初始距离）和IS均表现稳定，能在保真度和多样性之间取得最佳平衡。因此，作者推荐将该范围作为高质量乌洛斯纹样生成的操作区间。

这项研究的价值不仅在于技术突破。通过精心微调的生成式AI，设计师和织工可以快速获得大量文化一致的纹样灵感，从而加速设计流程，同时保留传统风格和象征意义。研究还指出，该方法可扩展到其他传统纺织品的保护与创新，如印度尼西亚的巴迪克（Batik）或日本的西阵织（Nishijin-ori）。在数字化时代，AI有望成为非物质文化遗产创造性复兴的有力工具，帮助这些珍贵的文化资产在当代社会中找到新的生命力。