1. 引言
陶瓷纹样是中华文化的宝贵载体，其丰富多样的色彩与形式能给人带来视觉与精神的刺激，具有巨大的艺术价值与文化价值。而其创新衍生设计作为博物馆文化创意设计体系中重要的组成部分，是博物馆对外宣传的形式之一。对于纹样而言，色彩是用户第一时间感知到的内容，因此色彩是在相关设计中最关键的创新点。
数字化时代的到来，无论是陶瓷纹样还是其他相关视觉内容，用户都能在任何时间和地点根据自己的兴趣形成对其进一步的了解和赏析，各种前沿技术的突破也能更好地辅助文创设计得到科学且有意义的设计结果。目前纹样衍生设计更多关注与技术与方法论的系统设计，或者应用方法论进行实践设计，缺少考量用户内在的需求，即顺应个性化设计的趋势以满足不同用户的独特情感需求，再借助前沿计算机辅助技术以形成一种参与性与信息双向性共存的设计方法 [1] 。
因此本研究从情感入手，针对陶瓷纹样的色彩创新，借助人工智能技术，试图构建一种系统性的设计方法。通过使用这种方法，辅助博物馆的纹样衍生创新设计，使最终的文创设计更符合用户心理需求的同时，也能简化整个设计流程从而节省成本。
2. 相关研究现状及分析
2.1. 相关现状
2.1.1. 前沿人工智能技术的应用
数字化时代的到来，越来越多艺术工作者应用人工智能进行设计创造，通过辅助手段提高设计作品质量的同时也能一定程度上提升自己的工作效率。例如，Juqing Deng等 [2] 介绍了计算机辅助艺术设计和人工智能的基本概念，并讨论了人工智能在计算机辅助艺术设计中的应用；曾真等 [3] 基于增强智能理念对人机协同设计进行了探索，从理论和实践两方面进行了论证与思考；胡志才 [4] 以数字智能技术为研究切入点，探索了数字智能技术与文创产品结合的设计方法，一定程度上提升文创产品的智能属性并成为“活”文创。
2.1.2. 设计方法论的研究与总结
设计研究者们在关注前沿技术应用的同时，也在不断进行系统方法的思考和研究。刘月林等 [5] 从诗词文化的“三境”出发，构建了移情视域下的诗词文化创意设计方法；叶德辉等 [6] 从针对过山瑶文化分析并提出“表–行–神”的设计方法，实现了对过山瑶文化的文创设计方法系统性的构建；李立全 [7] 基于RIO-MOO逻辑流程(相对重要性等级“多目标优化”)，从室内文创的角度出发，针对性地构建了“文化关联置换法”与“意境设计提炼法”两种设计方法。
2.1.3. 陶瓷纹样衍生设计研究
以陶瓷纹样为首的纹样相关文创设计具有丰富的审美价值和文化内涵，许多研究者针对纹样进行设计总结，并应用在多种不同的领域当中，例如向丽辉等 [8] 将长沙窑陶瓷文化元素巧妙融入到民宿室内设计中，一定程度上增加了整体设计的文化底蕴、地域特色和情感温度；徐芳婷 [9] 针对青花莲花纹样，从装饰艺术的视角探讨莲花纹样的内在特点，赋予了莲花纹样在现代创新设计中的新活力。
2.2. 现状分析
总的来看，博物馆的陶瓷纹样衍生设计在数字化时代的新背景下，需要通过人工智能技术手段进行辅助优化设计流程，实现设计上的创新。而为了更好迎合用户的深层次情感需求，也需要将用户情感符号化并融入到设计当中去，这样在用户看到最终的设计时不仅能产生情感上的共鸣，同样情感化的设计结果也能反作用于用户形成一种良性循环。最终的设计结果不仅可以作为纹样创新印刷在不同的生活用品上，也可以单独作为数字文创供用户进行收藏保存，在生活中潜移默化地影响用户。
3. 情感分析下博物馆陶瓷创新纹样的设计方法思路
3.1. 用户情感与文化的碰撞
相比于其他纹样创新设计方法，将用户的情感融入到设计成果乃至整个设计流程当中，能够将整个设计方法构建为“情感驱动”的系统性设计，从而将仅对产品进行关注转移到对产品以及用户双向的关注当中。将情感信息作用在原始文物图样上得到不同的创新设计方案，即具有一定的实用与审美价值，同时也是用户情感与文化碰撞的产物。
3.2. 人工智能技术的应用
人工智能技术作为数据驱动的辅助技术，其优势在于能快速得到想要的结果并且具有客观性。而设计作为相对主观的学科门类，使用人工智能技术对数据信息进行收集分析，就能够快速、客观地分析出用户上传信息反映出的真实情感。尽可能减少人工冗杂的分辨过程的同时，也能一定程度上提高对用户数据判断的准确率。
3.3. 个性化的设计结果
“个性”作为心理学的内容，作用在设计上就是聚焦于用户对于自我特征的寻找及设计结果的感受，从而让用户与文创产品之间产生一定的强关联性。纹样设计的个性化能够一定程度上突破其本身的禁锢，从而超脱出设计本身之外，形成一种设计与灵魂之间的持续性交流和链接。这种千人千面的形式不仅符合用户的消费心理需求，也能够在这个千篇一律的时代为用户带来一些自我的归属感。
3.4. 设计产出原则
最终的创新方案首先是一种设计，其次才是一种用户情感的具象，因此对于最终的产出需要一些原则进行约束。从马斯洛需求层次理论拓展，可以简化出三个由浅入深的原则。
首先，是产出的文创性。在整个设计过程中要充分考虑文化资源与设计之间的联系，尽可能保持文化完整性的同时也能让用户感受到现代设计思维下独特的文创。
其次，是产出的审美性。艺术是文创产品的灵魂和生命力所在，因此产出的方案需要具备一定的审美性，需要突出一些艺术的独特气质，从而让用户从感官上对最终成果产生积极的态度。
最后，是产出的情感性。本方法最核心的设计点就是将情感融入到设计方案当中，因此通过用户情感驱动生成的设计方案需要具备一定的情感特点，它能够反映出一些用户的原始情感信息，同样也能够对用户本身的情感产生一定的影响。
4. 博物馆陶瓷图形纹样的色彩创新设计方法构建
基于这些现状和思路，本文构建了一种以用户情感因素为驱动的博物馆陶瓷文物图样色彩创新生成的方法，希望以AI技术为根基来形成一套全新的博物馆纹样创新个性化设计流程。通过数据来剖析用户深层次的情感，并且将情感信息化，借助色彩心理学的相关内容，将用户情感与设计进行强关联。
整个系统由五个递进的过程组成：原型输入、情感分析、色彩转译、图样组合、生成产出，但由于情感因素较为复杂和抽象，所以在分析过程当中将情感因素由更为具体的特征进行表现，即声音起伏和面部表情的组合作为分析的来源。在分析过程中，声音与面部表情作为情感表达数据被抽象提取为情感样本，与数据库进行对比组合，以此为蓝本生成最后的文物图样个性化创新，整个流程如图1所示。
Figure 1. Innovative design process of museum ceramic graphic patterns under emotional analysis
图1. 情感分析下博物馆陶瓷图形纹样创新设计流程
4.1. 情感分析：声音与面部表情分析
情感作为人类的内在特质之一，通过人力进行分析是复杂且低效的，需要借助前沿技术以数据为驱动进行分析。因此本研究针对这个问题，借助声音与面部表情两者出发进行组合分析，即通过多模态的情感识别技术来进行情感分析。
这其中，面部表情分析可以利用图像识别技术，而声音起伏则可以应用语音情绪识别分析技术。两者作为人工智能的重要研究范畴，在许多方面均有应用，其过程与本实验的方法过程具有许多相似之处，主要分为信息提取、预处理、特征抽取和选择、识别结果输出、标签分类五个步骤 [10] 。无论是语音情感识别技术(SER)还是图像识别技术(IRT)，在深度学习出现后都实现了进一步的发展和更为广泛的应用，两者的效率也伴随着不断发展提高。通过神经网络的技术应用，可以较为轻松的收集原始数据，从而简单、高效地进行用户情感分析。
系统将照片图像或用户音频经过简单处理输入到神经网络模型当中，利用此模型实现数据的处理和组合，最终进行标签分类并输出结果。通过规范化处理，形成不同情绪类别的比例，将数据输入到下一流程后完成情绪调色板的生成。
4.2. 色彩转译：情绪导向下的色彩
本研究将瓷器图样作为研究对象，而其中清代的粉彩、斗彩瓷器大多用色大胆，色彩艳丽多姿，更具有创新的多样性。这既是对传统文化的二次弘扬，也是一种对用户内在心理的深层次分析。在转译过程中，系统会根据已有的用户面部特征或音频数据，对用户的情绪进行判断并形成不同的调色板，对后续的纹样图案进行色彩调和，形成个性化的图案纹样。
在过去的研究中，许多学者已经针对色彩和情绪之间的关系提出了一些结论和定义，如野村顺一 [11] 提出的情绪色彩的语义已经被应用到许多不同的领域。由于西方文化与东方文化在情绪语义上地一些不同，本研究从传统文化出发，采用中国古代五行五色的色彩系统，并以此找到不同的情绪对应关系。《尚书·洪范》记载：“五行：一曰水，二曰火，三曰木，四曰金，五曰土。水曰润下，火曰炎上，木曰曲直，金曰从革，土爰稼穑。润下作咸，炎上作苦，曲直作酸，从革作辛，稼穑作甘。”从五行对应的角度而言，喜属火、思属土、忧属金、恐属水、怒属木，而色彩对应则为赤、黄、白、黑、青五种色系，从这种角度来看，赤代表积极、热情或愤怒；黄代表稳重、严肃或愉悦；白代表哀悼、难过或正经；黑代表沉默、悲伤或阴郁；青代表活力、希望或坚毅。本研究从这个角度出发，以传统文化中颜色与情绪之间的对应关系，将五种代表色作为主要色，辅以相关色系最后得到调色版色谱，分别得到不同的结果。在后续的研究中，还可以通过系统得到的数据进行分析匹配，准确的得到针对个体不同情绪的色彩组合，从而保证了情绪调色板的多样性和丰富性。
4.3. 图样组合：用情感调色板来对图案纹样进行再上色
组合的目的是通过调色板来进行对应色彩组合，并对图案纹样进行再上色，在这个过程中还需要保留图案纹样的具体特征和形式。
重新着色图像的最简单方法是使用Photoshop调整RGB颜色曲线，直到对图像的色调感到满意为止。但是调整RGB曲线会像颜色传递函数一样全局重新着色图像，而不会考虑图像的内容，因此需要结合相关算法进行智能识别和局部图像重新着色。部分学者在近几年的研究中已经逐步研究和实现了考虑内容的同时并对图片重新着色的方法，例如Qing Zhang [12] 等提出一种基于深度学习的引导方法来帮助用户进行图像着色，进一步实现了帮助用户简单高效的完成图像颜色的替换，并且引入深度学习的思路为后面的发展奠定基础；厉旭杰 [13] 等人提出了一种基于全连接神经网络(FNN)的图像重新着色算法，一定程度上避免了神经网络在训练阶段需要大规模的训练样本的弊端。
本质上，图样组合的目的即把原来图案纹样的色彩替换为针对不同用户的个性化色彩，将这种色彩作为衡量不同人物感情的指标，最终实现图案纹样的个性化再创新，从而建立用户与最终图案之间的深层联系。
5. 实验过程
5.1. 情感分析实验
在本模型当中，面部情感中选用的数据集为FER2013数据集，并作为训练集和测试集来使用，每张图被分类为生气、厌恶、恐惧、开心、伤心、惊讶、中性等7种情绪图像。在这里本文选用由Krizhevsky等人于2017年提出的CNN算法模型，其top-1和top-5的错误率仅有37.5%和17%，比许多传统方法都要优秀很多。在这个过程当中，本文根据数据集的7种情绪图像生成7个不同表情数值分组，在训练结束后将七种得分从大到小判断，选取得分最高的作为最终结果，并且用柱状图的形式对数据进行解析，如图2所示。
Figure 2. Perform data parsing and obtain results
图2. 进行数据解析并取得结果
而在语音数据集中，本文使用交互式情感二元动作捕捉(IEMOCAP)数据库的语料库，这是一个常见的评估数据集，其中共有四种情绪作为情绪标签来进行识别，即中立、愤怒、快乐和悲伤，作为常用的语音数据库之一，其数据完整性相对完整且符合本文所需的内容与结构。
语音识别领域中主要困难是提取高水平特征表示和构建话语水平的特征，像音高这样的短时帧中的特征是低水平的特征，还需要用神经网络对对基于帧低水平特征进行特征提取，得到基于帧的高水平特
征。然而，在话语层面的情感识别需要一个全局特征表示，它既包含详细的局部信息，又包含与情感相关的全局特征。因此本文参考了香港大学Xixin Wu [14] 等提出的基于卷积神经网络(CNN)、胶囊网络(Capsule Net)来进行语音情感识别分析的算法，通过胶囊网络可以识别语谱图当中语音特征的空间信息，该系统能够考虑语音特征在语谱图中的空间关系，为获取语音全局特征提供了一种有效的池化方法。除此之外，该方法通过在胶囊网络中引入循环连接，还能一定程度上提高模型的时间敏感性，这种方法被称为CNN_GRU-SeqCap网络结构，而为了表示其最终输出概率，研究使用和权衡CNN分支以及GRU分支的输出概率进行结合。经过对该方法的测试和实验，该模型对于本文样本中的加权精度(WA)达到了72.73%，未加权精度(UA)达到了59.71%，实验结果如图3所示。
由于语音识别和情感识别数据集的不对等性，本文将会进行决策层的融合。而由于两张方法选取的数据集标签有一定的不同，语音识别仅有中立、愤怒、开心、伤心四种，而面部识别的数据还包含惊讶、恶心、害怕三种结果，因此在这三种结果的定义中基本以面部情感识别为准。其中结果的决定可以由Softmax分类器进行解决，作为logistics回归模型的推广，Softmax分类器即将一组特征向量V，其中Vi表示V中的第i个特征值，即可以表示为：
利用SoftMax将特征进行归一化处理，
为特征值所对应的概率，所有概率的和等于1。而考虑到同一种感情不同人说话会有不同的表现形式，而人的表情并不会因为人的不同而相差甚远，因此对于面部数据情感识别的权重要高于语音数据。
其中
与
分别代表面部情感识别以及语音情感识别的权重，而
，且
。
5.2. 色彩转译实验
而在情绪与色彩的关联方面，本文通过识别得到的情感数据结果，选择对应结果的情绪调色板，并且从中随机选择5种不同的色彩作为目标调色板，将5种色彩对原图进行色彩覆盖，从而实现图片色彩与情绪的对应关系，实现纹样的色彩创新，情绪调色板实例如图4所示。
Figure 4. Example of an emotional colour palette
图4. 情绪调色版实例
在这个过程当中，由于不同情绪色彩的定义对于不同人而言是不同的，且色彩选择作为完全的随机选择，一定程度上会造成最后图片的搭配仅仅符合色彩情绪，而不符合色彩审美，即更适合作为一种情绪表达的验证，而不是作为一种设计原始符号应用到相关设计当中。
5.3. 图样组合实验
本研究借用Junho Cho [15] 等提出的一种名为PaletteNet的深度神经网络，其效率相比于人类专家进行着色而言有显著的提升。相比于动辄数小时的人力工作，该算法仅需要数秒就能实现一张图片的重新着色。其主要结构为两个子网，即FE层特征编码器网络，用于从源图像中提取内容特征；以及RD层重新着色解码器网络，用于将内容特征和目标调色板解码为重新着色的输出。PaletteNet的目标调色板是18维矢量的LAB颜色值，由六种代表性颜色进行定义，在随机选择不同情感调色板中的五种色彩并作用于原图后，输出的结果如图5所示。
从最后的输出结果来看，不同情感导向下的色彩搭配与原图有较为显著的区别，能一定意义上代表该情感的纹样色彩创新。这种情感导向的色彩创新呈现了一种全新的方式，通过色彩的选择和组合来传达情感，而不仅仅是依赖于图像或文字的表达。此外，这些创新性的色彩方案还具有一定的审美价值，这也为将这些色彩方案应用在更为广泛的领域提供了一定的说服力。但由于个性化是个人思维的集中表达，仅靠分析和总结得到的情感色彩方案缺乏一定的数据作证，因此在后续的方案研究中还应该考虑借助一定的数据和实际应用上的回访来证明这些色彩方案的可行性。
6. 结论
本文通过人工智能和计算机新技术与现代设计方法理论的结合，构建了一种全新的现代设计创新方法。可以看出人工智能新技术下的设计方法具有可行性，并且相比于许多传统设计方法有许多优点，但仍然存在许多问题需要后续的研究发展和解决。该方法通过人工智能的参与与相关技术的结合一定程度上实现了陶瓷纹样根据用户情感的自动色彩创新，改变了原有的设计范式，使新技术更容易进入大众的生活工作学习中，形成了一种用户、设计师、产品三者之间的自然互联，将具有重要的意义。
基金项目
江苏省社会科学基金资助项目“数据驱动江苏博物馆文化资源的文创转化研究”(21YSD018)阶段性成果。
注释
文中所有图片均为作者自绘。