HAIGEN: Towards Human-AI Collaboration for Facilitating Creativity and Style Generation in Fashion Design

时尚设计的过程通常涉及素描、修改和着色，设计师从各种图像中汲取灵感来推动他们的创作。然而，传统的图像搜索方法经常产生无关的结果，阻碍了设计过程。此外，创作和着色素描可能耗时费力，成为设计工作流程中的瓶颈。在这项工作中，我们介绍了HAIGEN（Human-AI Collaboration for GENeration），一种高效的时尚设计系统，用于协助设计师进行人工智能协作。具体而言，HAIGEN由四个模块组成。位于云端的T2IM直接从文本提示生成参考灵感图像。位于本地的另外三个模块，I2SM批量生成图像材料库，并生成某个设计师风格的素描材料库。SRM向设计师推荐生成的库中类似的素描进行进一步修改，而STM则根据灵感图像的风格着色改进后的素描。通过我们的系统，任何设计师都可以进行本地个性化的微调，并利用云端大型模型的强大生成能力，简化整个设计开发过程。鉴于我们的方法集成了云和本地模型部署方案，它有效地通过避免上传本地设计师的个性化数据来保护设计隐私。我们通过广泛的定性和定量实验验证了每个模块的有效性。用户调查也证实，HAIGEN在设计效率方面具有显著优势，成为设计师的新一代辅助工具。

设计师在时装设计过程中常常遇到搜索到无关图片和手动绘制耗时的问题，本文旨在提出一个人工智能辅助的时装设计系统来解决这些问题。

本文提出的HAIGEN系统包括四个模块，其中T2IM模块在云端从文本提示中生成参考灵感图像，I2SM模块在本地生成特定设计师风格的图像素材库，SRM模块推荐类似的素描给设计师进行进一步的修改，STM模块根据灵感图像的风格为修改后的素描上色。本文的方案通过云端和本地模型部署方案的集成，有效保护了设计隐私，同时提高了设计效率。

本文的实验结果表明，HAIGEN系统在设计效率方面具有显著优势。此外，本文的方案集成了云端和本地模型部署方案，能够有效保护设计隐私。本文使用了自己的数据集进行实验，并提供了开源代码。

在相关研究方面，最近有一些研究关注于使用人工智能辅助时装设计。例如，题为“FashionGAN: Generating High-Resolution Images of Fashion Models Wearing Clothes”的论文探讨了使用生成对抗网络生成时装模特穿着衣服的高分辨率图像的方法。