(不少于 300 字)此项目主要利用最新的人工智能技术,通过卷积神经网络对
敦煌数据库的图片的风格、纹理进行不断地学习和优化,将敦煌的艺术风格和
现代审美相结合,从而形成新的风格与时尚元素。我们的初衷是敦煌文化的保
护与发展、是敦煌艺术的创新以及融合,这样可以使传统文化以一种新兴的方
式面向大众,也能更好地实现中国传统文化的传承与发展。那么在此之前的暑
假期间,我们从指导老师周庆国教授那里深入了解了风格迁移的一些算法,通
过不断地尝试,目前我们已经可以初步实现风格迁移,但由于目前只能实现某
一特定模特的形象转换,不具有普适性,与此同时,算法还有待优化,以实现
快速风格迁移。在未来的一段时间里,我们将继续改进,将其完善,并做出桌
面程序与其结合。
(简介不少于 1000 字,可附页)从 3 月份立项到现在,在指导老师的悉心指导
与项目组成员的努力工作下,本项目已经取得了显著进展。具体进展情况分述
如下:
1.2019 年 4 月下旬到 6 月中上旬,我们主要对由指导老师提供的数以万计的敦
煌壁画文化的数字化资料进行分类,标记。这些资料其中大部分是敦煌莫高窟
中各个年代的壁画的数字资料,也有部分雕塑的数字化资料。包括隋唐、北魏、
元朝代、西夏等时期的壁画资料以及展示当时名俗、服饰的资料。这些原始数
据不能直接运用,因此我们需要先进行数据标注,将原始数据编程算法可用的
数据。当数据标注得越精准、对算法模型的训练效果就越好。高质量的数据是
制约模型和算法突破瓶颈的关键指标。这最终标记后的敦煌数据集为我们之后
的风格迁移提供了重要的研究资料。与此同时我们还学习了有关卷积神经网络
的知识,具备了较完善的理论知识。通过无监督学习的卷积神经网络,将敦煌
壁画划分为不同的风格并进行标注。我们还从互联网渠道获得大量现代服饰照
片,进行数据集的筛选,以期达到最好的训练效果。
2.2019 年 6 月中下旬到 8 月,我们初步完成了风格迁移有关的代码。我们主要
利用 Python 程序语言,基于 Tensorflow 框架来实现我们的目标。但是由于敦煌
壁画集数据量庞大,而普通 PC 机提供的计算能力十分有限,所以我们只能购置
额外的 GPU 或者租用云计算服务器来实现卷积神经网络的训练。而 Google
Colab 的云计算平台提供免费的 GPU,刚好满足了我们的需求,极大缩短了了
我们实现风格迁移时训练的时间,提高了运算效率。我们通过 CNN,将敦煌壁
画中的风格进行提取抽象。同时,提取现代服饰中的艺术特点。在保护敦煌服
饰文化的基础上,利用风格迁移将敦煌服饰数据与现代时尚服饰数据融合,生
成新的服饰风格和服饰样式。随后,将模特照片中所穿着的衣服通过风格迁移
技术替换为敦煌风格的图案。目前代码需要我们自己提供服饰图,与风格图,
以及自己调动我们所需要的参数,最终会输出风格迁移后的图片。
总体来说,我们的核心代码部分已经完成,已经可以初步输出具有敦煌艺术风