通过调色板引导的生成对抗网络（GAN），模仿民族服装的颜色风格进行图案重新设计

《Journal on Computing and Cultural Heritage》：Pattern redesign imitating ethnic clothing color styles via palette-guided GAN

数字再生民族服饰颜色自动化设计研究，提出基于调色板引导的GAN网络架构，结合主颜色网络和条件生成网络，采用Huber损失优化，实验证明在SSIM和PSNR指标上优于现有方法，平均处理时间0.2秒以下，支持智能量产设计并保持风格一致性。

　　

摘要

民族服饰颜色的数字化再现对时尚设计至关重要。随着信息技术的进步，机器学习技术越来越多地应用于民族服饰的设计中。然而，现有的颜色转移技术往往只关注单色块，忽略了颜色层次结构的复杂性，因此在大规模图像着色方面效果不佳。为了解决这些问题，我们提出了一种基于调色板的自动着色方法。该生成模型通过结合主着色网络和基于生成对抗网络（GAN）原理的条件网络得到了增强。条件网络处理调色板输入，而主网络处理图像数据，从而实现无色图案的调色板引导着色。在生成器的损失函数中引入了Huber损失，以提高着色精度。实验结果表明，我们的算法在SSIM和PSNR指标上优于现有方法，平均着色时间每幅图案不到0.2秒。所提出的解决方案有效支持了民族服饰颜色的数字化、智能化批量设计，确保了交互性和风格一致性，并为时尚产品着色提供了宝贵的见解。