文化傳承與AI：微調潛擴散模型生成新穎烏洛斯紋樣
本研究微調兩種潛擴散模型（Protogen v3.4和Stable Diffusion v1.4），在精心標註的高解析度烏洛斯紋樣資料集上生成文化一致且新穎的設計。定量評估表明Protogen v3.4在視覺保真度和多樣性上顯著優於Stable Diffusion v1.4，並揭示了保真度-多樣性權衡。推薦引導尺度5-9作為最佳平衡範圍。研究表明，精心微調的生成式AI可在保持風格和象徵完整性的同時支援非物質文化遺產的創意復興。
印度尼西亞北蘇門答臘的巴塔克族擁有豐富的文化遺產，其中烏洛斯（Ulos）傳統織物承載著深厚的象徵意義。這種手工編織的布料常用於儀式和日常穿著，其紋樣不僅具有美學價值，還傳遞著社會地位、祝福和族群認同。然而，傳統烏洛斯紋樣種類有限，且設計過程完全依賴經驗豐富的織工手工完成，耗時費力，難以滿足現代市場的多樣化需求。隨著年輕一代對傳統技藝興趣的減弱，這一非物質文化遺產正面臨傳承危機。
近日，一項發表在arXiv上的研究提出了基於生成式人工智慧的解決方案。研究團隊由Humasak Tommy Argo Simanjuntak等七位作者組成，他們構建了一個包含高解析度烏洛斯紋樣的帶註釋資料集，並在此基礎上微調了兩個預訓練的潛在擴散模型：Protogen v3.4和Stable Diffusion v1.4。潛在擴散模型是一種先進的生成模型，能夠從文本描述或噪聲中逐步生成高質量影像。透過使用精心標註的烏洛斯紋樣資料，模型學會了在保持文化一致性的前提下生成新穎圖案。
實驗採用弗雷歇初始距離（FID）和初始分數（IS）作為定量評估指標。FID衡量生成影像與真實影像在特徵空間中的分佈差異，值越低表示越接近真實；IS則評估影像的清晰度和多樣性。結果顯示，Protogen v3.4在所有指標上均顯著優於Stable Diffusion v1.4：FID降低了約10.5倍，IS提高了2.0倍。這意味著Protogen生成的影像不僅視覺上更逼真，而且紋樣變化更豐富，與真實烏洛斯紋樣的分佈高度吻合。此外，研究還邀請了傳統織工和公眾進行主觀評價，進一步驗證了Protogen的優越性。
研究團隊深入分析了模型引數對生成質量的影響。強度（strength）值控制生成影像偏離原始噪聲的程度：較低的強度值傾向於生成更接近訓練資料的高保真影像，而較高的強度值則引入更多隨機性，增加多樣性但可能犧牲真實性。這揭示了明確的保真度-多樣性權衡。引導尺度（guidance scale）則調節模型對文本提示的遵循程度。實驗表明，引導尺度為5-9時，FID、KID（核初始距離）和IS均表現穩定，能在保真度和多樣性之間取得最佳平衡。因此，作者推薦將該範圍作為高質量烏洛斯紋樣生成的操作區間。
這項研究的價值不僅在於技術突破。透過精心微調的生成式AI，設計師和織工可以快速獲得大量文化一致的紋樣靈感，從而加速設計流程，同時保留傳統風格和象徵意義。研究還指出，該方法可擴充套件到其他傳統紡織品的保護與創新，如印度尼西亞的巴迪克（Batik）或日本的西陣織（Nishijin-ori）。在數字化時代，AI有望成為非物質文化遺產創造性復興的有力工具，幫助這些珍貴的文化資產在當代社會中找到新的生命力。