李 珂

（南京理工大學,江蘇南京 210094）

家具是與人類密切相關的主題，作為一個具有深刻文化內涵的產品，家具既是技術與藝術的統(tǒng)一，也是傳統(tǒng)與創(chuàng)新的統(tǒng)一，設計師在進行家具的設計中，既需要考慮人們的物質需求，同時也應該滿足人們的精神需求。隨著人類生活水平的不斷提高，大眾對家居環(huán)境也存在新的追求，其家居環(huán)境中的家具作為必不可少的一部分，已經成為一種特殊的文化符號[1]。同時，伴隨著我國近年來經濟大轉型的背景，產業(yè)結構和布局的調整，自主品牌的設計研發(fā)和“中國制造”向“中國智造”的轉變也在不斷加強。因此，制造業(yè)的追求的原創(chuàng)設計也在不斷影響各行各業(yè)的行業(yè)設計和創(chuàng)造。同時，家具行業(yè)也在潮流之下，迎來了越來越多的原創(chuàng)家具品牌。目前，順應發(fā)展大勢，發(fā)展起來的主要有吱音、梵幾、木智工坊等原創(chuàng)家具品牌[2]。這些品牌的設計理念，生產工藝以及家具品質等都具有較為出色的表現(xiàn)和市場反饋。

但是，隨著家具設計方向的發(fā)展，其行業(yè)的發(fā)展瓶頸也逐漸到來，首先，越來越多的新產品在設計上跳不出目前的北歐風、日系風和新中式等有限的幾個設計思路和產品標簽，存在設計風格和設計理念固化的趨勢，難以形成豐富、多元化、跨領域的家具設計理念和發(fā)展局面。創(chuàng)新性的缺乏是導致這種現(xiàn)象發(fā)生的主要原因[3]。其次，隨著大眾對家居環(huán)境的不斷追求，但是，由于家具設計本身復雜的性質，其對于制作成本，質量，創(chuàng)意都有較高的要求，導致家具設計行業(yè)頻頻出現(xiàn)投入高，收益低的現(xiàn)象。更加劇了家具設計行業(yè)發(fā)展瓶頸的到來。而在科技高速發(fā)展的今天，大數據、人工智能等名詞不斷沖進各行各業(yè)的行業(yè)發(fā)展，為其他行業(yè)帶來了全新的理念和發(fā)展方向。而在一直依靠傳統(tǒng)的人類靈感和經驗進行發(fā)展的設計行業(yè)，人工智能與設計行業(yè)的碰撞也帶來了潛在的新的生產力工具，為家具設計的發(fā)展帶來了新的發(fā)展思路。通過深度學習技術，利用計算機進行家具設計的訓練學習，最后利用人工智能進行新屬性的家具設計，不失為一種新的家具設計思路。在圖片生成領域，生成對抗網絡（GAN）備受計算機領域的推崇。由于生成對抗網在圖像自動生成領域具有巨大的發(fā)展?jié)摿?，許多研究者嘗試從GAN入手，實現(xiàn)家具外形圖片的自動生成，為創(chuàng)作者帶來了靈感，還節(jié)省了巨額創(chuàng)作開支。

一、國內外進展

1.家具設計風格介紹

家具由于其較為重要的生活屬性和家庭裝飾屬性，因此家具的設計由于其民族特點、風俗習慣以及地理氣候和制作技巧的不同，各國家地區(qū)對于家具設計具有不同的風格和設計理念。目前，世界上較為主流的幾種家具設計風格主要包括歐洲風格、美式風格以及中式風格等幾種主要的家具設計風格。

歐洲家具主要分為三大類，分別為北歐家具、意大利家具以及德國家具三種。其中，北歐家具較為注重手工藝技術與審美的結合，因此其產品設計師、工匠和家具公司具有較為緊密的聯(lián)系和合作，將家具的天然美作為設計的需求和理念，其家具設計更講究簡潔精巧。而享譽世界的意大利家具講究其意大利傳統(tǒng)設計與現(xiàn)代設計的融合，形成了以米蘭為中心的家具設計和制造中心。而德國家具的設計理念則是德國人一貫的嚴謹理性、牢固耐用的原則，致力于形式與材料、工藝和設計的雙重統(tǒng)一。

而美國家具則貫承了美國人的一貫風格，其家具設計不拘小節(jié)，更講究粗狂、大氣的美感。因此美式家具也更顯得簡潔，線條明晰，裝飾更為得體有度，不同于“披金帶銀”的歐式家具設計風格。

我國則由于南北方生活習性差異較大，各地傳統(tǒng)文化存在較為豐富的差異，因此，我國傳統(tǒng)家具也呈現(xiàn)較為多樣的設計理念[4]。發(fā)展至今，最能代表我國家具設計風格的主要為傳統(tǒng)中式家具設計以及新中式風格家具設計兩種。其中傳統(tǒng)中式家具設計主要名貴稀有木材進行設計制造，講究做工嚴謹精細，例如明式家具中的榫卯結構需要進行純手工打造，區(qū)別于現(xiàn)在的工業(yè)化生產設計。因此其制作成本也較為高昂，受眾面較小。而新中式家居設計為近幾年在國內市場較為流行的家具產品設計風格。新中式家具一般使用生長年限較短的水曲柳、楠木、核桃木等進行設計制造，且其設計過程中使用的釘子、膠水等工具也大大降低的純人工打造造成的高成本。綜上，目前家具設計已經形成較為風格固化的幾類家具設計風格，為推陳出新，打造新的家具設計風格也是目前很多設計師不斷追求和設計的理念。

2.深度學習研究進展

而隨著近年來人工智能的火爆，利用深度學習知識進行藝術乃至家具的創(chuàng)作與設計，前人也進行了諸多的研究。王[5]等人通過分析印象派美術作品的內存頻率特征，聯(lián)系蛋白質序列內部各級微觀結構特征，描述結構特點、微觀空間結構表達方式等自然屬性，分析生成式對抗網絡的模型與算法特征，建立起蛋白質自然屬性與繪畫藝術的深度學習框架。開發(fā)實現(xiàn)了蛋白質與美術 作品間跨界融合的模型和算法。舒[6]等人則結合深度學習技術，實現(xiàn)了創(chuàng)意繪畫的自動生成，同時實現(xiàn)繪畫風格的模擬，進而輸出全新的AI繪畫作品。阮[7]等人對深度學習技術與茶館類建筑設計中的應用進行了分析研究，探究了深度學習在建筑設計中的應用價值，為建筑設計的應用打開了新的思路。而Yao[8]等人則是在公共建筑中疏散模型的設計中，將深度學習技術應用與疏散模型的設計優(yōu)化進行了結合，實現(xiàn)了深度學習領域在建筑設計中的具體應用。由此看出，深度學習技術在設計領域目前已經有了較為不錯的嘗試和結果，諸多前人通過深度學習技術與傳統(tǒng)設計行業(yè)的結合，進行大膽的嘗試和改進，產生了諸多優(yōu)秀的藝術作品和研究成果。

二、生成對抗網絡介紹

生成對抗網絡屬于人工智能領域，通俗含義主要為通過對某一事物（圖片）大量數據的學習，來學習總結出其在數學層面上的分布規(guī)律，構建出合理的映射函數，從而解決現(xiàn)實問題。

GAN的全稱是Generative adversarial network，中文翻譯過來就是生成對抗網絡。生成對抗網絡其實是兩個網絡的組合：生成網絡（Generator）和判別網絡（Discriminator）。其中，生成網絡也叫生成器，負責生成模擬數據并輸入判別器，目的為盡可能通過判別器，并進行數據的輸出；判別網絡負責判斷輸入的數據是真實的還是生成的[9]。

在GAN圖片生成訓練的過程中，生成網絡要不斷優(yōu)化自己生成的圖片讓判別網絡判斷不出來，判別網絡也要通過所給真實圖片的學習，來優(yōu)化自己讓自己判斷得更準確。二者關系形成對抗，交替訓練，生成器生成的圖片越來越接近于真實圖片數據，而判別器的鑒定水平也越來越高，進行真假圖片的判斷鑒別。直到生成網絡的生成圖片可以以假亂真，與判別網絡的判別能力達到均衡的目的，因此叫對抗網絡[10]。

生成對抗網絡被認為是當前最具前景、最具活躍度的模型之一，也有與藝術設計等專業(yè)聯(lián)系最為緊密的人工智能網絡。目前主要應用于樣本數據生成、圖像生成、圖像修復、圖像轉換、文本生成等方向。

圖1 GAN訓練流程

三、數據介紹

在本文中，本文選取椅子作為家具設計的對象。由于椅子結構較為簡單，與其他大型復雜家具相比，不存在“科技黑箱”設計，可以一眼洞穿椅子的形狀、結構。因此，也較為利于生成對抗網絡生成實驗的成功實施。為進行生成對抗網絡（GAN）生成椅子圖片的訓練，本文選取椅子圖片共150張，并截取部分圖片如表1所示。其中，為方便生成對抗網絡對圖片的識別和訓練網絡的成功構建，本文在圖片收集和篩選過程中做了如下規(guī)范：（1）本文對所用椅子圖片大小進行了統(tǒng)一，圖片分辨率均為400×400像素；（2）每幅圖片中僅包含一把完整的椅子，防止單幅圖片椅子過多對網絡訓練造成困難；（3）每幅圖片中背景均為白色純色，避免過度的背景因素對圖像的訓練產生干擾；（4）本文中所有椅子種類進行了統(tǒng)一，均為單人椅。圖片來源為北歐櫥窗Nordic網站（https://www.nordic.com.tw）。

圖2 部分椅子圖片

四、設計生成過程

本文通過150幅椅子圖片，進行GAN網絡中判別器的訓練，利用真實的150幅椅子圖片，將圖片輸入判別器中，進行判別器對椅子的識別和判斷學習，鍛煉判別器正確識別椅子的能力，即提升判別器正確鑒別“真假椅子”圖片的能力。同時，生成器也在不斷生成“椅子”圖片，并根據判別器對假“椅子”圖片的反饋，不斷地進行生成“椅子”圖片的學習改進。通過2000輪的生成對抗神經網絡的訓練，得出結果如圖3所示，從圖中可以看出，在2000輪的生成對抗網絡訓練過程中，生成的椅子圖片由開始的第一輪的隨機點、隨機顏色圖片，逐漸生成為存在一定規(guī)則、無形狀的圖片，最終逐漸生成為有椅子大致輪廓、形狀和顏色的圖片，隨著生成對抗網絡訓練次數的不斷增加，其生成和判斷能力的不斷學習、加強，最終在第2000輪的訓練中生成了具有具體形狀、規(guī)則和顏色的椅子圖片。整個訓練過程持續(xù)近8h，通過計算機一天的訓練，得出具有初步椅子形態(tài)、顏色的圖案。

圖3 椅子學習訓練過程

五、結果與討論

從第1000輪開始，初次出現(xiàn)存在椅子形狀的圖片，其中1000輪、1500輪、1800輪和2000輪均出現(xiàn)不同顏色風格的椅子圖片，且均為150幅椅子圖片中不曾出現(xiàn)的椅子風格和顏色的圖片，滿足設計所需要的原創(chuàng)椅子設計的自動生成實驗。

同時，也可以看出，在訓練過程中，隨著訓練次數的不斷增加，生成器生成椅子圖片水平不斷提高，判別器通過不斷對真實椅子圖片的學習，其判斷真假椅子圖片的能力也不斷加強，其兩者的近2000輪訓練和學習過程，基本達到了利用人工智能進行椅子圖片自動生成的效果。從效果圖中可以看出，經過近2000輪的訓練，其最終結果：生成的椅子圖片無論是形狀、輪廓或者椅子的顏色均與現(xiàn)實中的椅子圖片有了較大程度的符合，其生成的椅子結果符合現(xiàn)實椅子的基本需求。這也證明了利用深度學習技術進行椅子乃至其他家具設計的可行性，為其他家具設計瓶頸打開了新的思路，實現(xiàn)了現(xiàn)代的人工智能技術與傳統(tǒng)的家具設計的完美結合，為其他的人工智能設計思路打下了基礎。

但是利用深度學習神經網絡進行椅子乃至其他家具的自動設計也僅為一個初步的探索，雖然本文結果滿足初步的椅子自動設計生成的需求，目前仍存在一些不可忽略的問題和不足。

首先，從本文得出的結果可以看出，在利用深度學習進行家具的自動生成中，其最終實現(xiàn)的生成效果具有較大不不確定性，存在色彩、形狀乃至結構與現(xiàn)代審美的差異。而家具設計需要進行材質、色彩、功能等多個因素的一同捏合打造，如何利用深度學習神經網絡進行符合現(xiàn)代大眾審美、符合社會潮流以及具有較大實用價值的家具設計依舊屬于目前不能實現(xiàn)的目標，這也是本文進行后續(xù)研究的一個方向與思路。

其次，對于目前的利用深度學習進行家具設計的自動生成，也存在不同種類的家具設計依舊存在短板。由于其生成原理為利用家具圖片進行家具圖片的生成設計，因此目前僅限于對結構較為簡單的桌、椅等家具的自動設計生成，而對于結構較為復雜，存在內部空間和內部結構的櫥、柜等家具，則不能通過家具圖片進行家具的全面設計生成，在未來通過深度學習技術的發(fā)展與進步，為以后根據家具三視圖進行復雜家具的AI自動設計提供了全新的研究方向。