AI驱动服装设计中无人工干预生成与人工辅助方法性能比较

摘要

为探讨生成式人工智能(generative AI)在不同服装设计工作流中的应用潜力与性能差异，本研究对2种核心方法——“无人工干预生成”(unaided generation)与“人工辅助方法”(human-in-the-loop)进行了比较研究。首先，本研究对这两种方法进行了明确的操作性定义：前者指仅通过单轮或少量文本提示词(prompt)直接获取设计结果的工作流，强调AI的自主生成效率；后者则指设计师通过多轮提示词优化、参数调整、图生图(image-to-image)等手段深度介入创作过程的协同工作模式，强调人机协作的深度与质量。实验选取了4位不同经验背景(资深、中级、初级、零基础)的设计师作为案例样本，要求他们完成同一设计任务。通过一个包含设计目标实现度、创新性、美学质量和风格一致性等维度的混合评价指标体系，对生成结果进行评估。研究发现，无人工干预方法虽在效率上具有显著优势，但在设计目标的精准达成和风格的深度控制上表现出较大局限性。相比之下，人工辅助方法能够更有效地融合设计师的专业知识与AI的生成能力，产出更为完整和创新的设计成果。本研究不仅揭示了当前AI在服装设计应用中的关键挑战，也为设计教育和实践中如何有效整合AI技术提供了探索性的案例与启示。

关键词

生成式人工智能 / 服装设计 / AI模型辅助设计 / 提示词工程 / 设计效率