基于生成式人工智能的个性化京剧脸谱自适应生成
Personalized adaptive generation of peking opera facial makeup using generative artificial intelligence
Hao Ge, Weiliang Zhang, Xingxing Sun, Ziqi Fan, Qingchi Xian
Scientific Reports · 2025-11-23
开放获取戏曲与曲艺被引 2被引前 10%影响因子 ≈5.2
摘要
在风格化图像生成领域，京剧脸谱的智能生成是一项兼具人工智能应用价值与文化传承意义的独特课题。本研究旨在解决两大关键难题：（1）如何生成能够精准呈现复杂艺术细节的高保真脸谱；（2）训练所需标注数据集的匮乏问题。我们提出了一种改进的Stable Diffusion框架，该框架融合了区域特定噪声缩放技术与注意力增强型U-Net模型，以提升图像的对比度与细粒度细节合成能力；通过LoRA微调技术进一步优化生成效率，且不会牺牲图像质量。实验评估结果显示，该模型性能优于现有最先进的模型，其FID值为16.34，KID值为9.44，SSIM值达到0.4912，充分验证了该模型在保障文化原真性的同时加速脸谱生产的有效性。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于全文生成- 主要观点
- 本研究致力于解决京剧脸谱生成中高保真度细节捕捉难与标注数据稀缺的问题，通过增强型生成式人工智能框架实现传统文化的数字化保护。核心观点在于利用改进的 Stable Diffusion 模型，结合区域特定噪声缩放与注意力机制，以还原脸谱艺术特有的高对比度与精细纹理。同时，研究强调通过 LoRA 微调提升效率，并引入文本引导机制满足个性化定制需求，从而在加速生产的同时确保文化真实性。
- 研究方法
- 研究采用的方法论主要包括构建包含性别、色彩、角色行当及情感等多维标签的京剧脸谱专用数据集。技术上，基于 Stable Diffusion 框架进行创新，设计了针对亮暗区域的双随机数发生器以增强对比度，并集成多注意力 U-Net 模型以优化细节合成。此外，应用 LoRA 低秩适应技术对模型进行微调，并通过 FID、KID 及 SSIM 等量化指标与 SOTA 模型进行对比评估。
- 学术贡献
- 本文的主要贡献在于提出了一种能有效提升风格化图像生成质量与效率的混合框架，特别是在处理高对比度艺术图案方面取得了显著成效。通过整合区域噪声控制、注意力增强机制以及高效的微调策略，该研究在多项评价指标上超越了现有的最先进模型。此外，标准化数据集的构建为相关领域的后续研究提供了宝贵资源，推动了人工智能技术在非物质文化遗产保护中的实际应用。
- 存在局限
- 材料中未明确提及本研究提出的特定模型架构或实验过程中存在的具体局限性或不足。虽然文中详细探讨了 GAN、VAE 等传统生成模型及通用扩散模型在训练稳定性、计算成本或细节控制上的普遍缺陷，但并未针对本文改进后的方法指出其尚未解决的问题。
- 进一步研究方向
- 材料中未明确提及具体的进一步研究方向或未来的工作规划。由于提供的全文节选仅涵盖至方法论部分的模型原理介绍初始阶段，未包含结论与展望章节，因此无法获取作者关于后续研究设想的直接表述。
本综述由 AI（GLM-5V-Turbo）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Generative Adversarial Networks and Image Synthesis