摘" 要：運(yùn)用CiteSpace對(duì)中國(guó)知網(wǎng)期刊數(shù)據(jù)庫中人工智能賦能文化遺產(chǎn)領(lǐng)域的文獻(xiàn)進(jìn)行梳理與分析，從文獻(xiàn)關(guān)鍵詞聚類圖譜和時(shí)間軸圖譜中分析研究熱點(diǎn)和研究趨勢(shì)。對(duì)已有研究成果的特征進(jìn)行評(píng)述，展望文化遺產(chǎn)數(shù)字化保護(hù)、傳承與應(yīng)用的未來研究方向。在國(guó)內(nèi)人工智能賦能文化遺產(chǎn)領(lǐng)域的研究文獻(xiàn)中，熱點(diǎn)研究主題可歸納為：文化遺產(chǎn)知識(shí)的抽取、分類與組織，文化遺產(chǎn)圖像內(nèi)容的識(shí)別、分類與修復(fù)，文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用。隨著人工智能技術(shù)的不斷發(fā)展，未來需要不斷豐富與建構(gòu)理論體系、設(shè)計(jì)方法與應(yīng)用路徑，充分發(fā)揮人工智能技術(shù)對(duì)于文化遺產(chǎn)數(shù)字化保護(hù)、傳承與應(yīng)用的促進(jìn)作用。

關(guān)鍵詞：人工智能；文化遺產(chǎn)；研究綜述；CiteSpace

近年來，隨著人工智能（AI）的迅速發(fā)展，國(guó)內(nèi)學(xué)者在人工智能技術(shù)賦能文化遺產(chǎn)領(lǐng)域展開了一系列理論研究與實(shí)踐探索。2023年，人工智能生成內(nèi)容（AIGC）蓬勃發(fā)展，為文化遺產(chǎn)的創(chuàng)造性轉(zhuǎn)化與利用提供了新的驅(qū)動(dòng)力。通過對(duì)當(dāng)前國(guó)內(nèi)人工智能賦能文化遺產(chǎn)領(lǐng)域的研究文獻(xiàn)進(jìn)行梳理與分析，歸納研究熱點(diǎn)，展望未來趨勢(shì)，從而為文化遺產(chǎn)的數(shù)字化保護(hù)、傳承與應(yīng)用的研究提供更多的思路。

一、人工智能賦能文化遺產(chǎn)領(lǐng)域的研究文獻(xiàn)計(jì)量分析

筆者在中國(guó)知網(wǎng)期刊數(shù)據(jù)庫中以主題=“人工智能”+“文化遺產(chǎn)”為檢索方式進(jìn)行檢索，以主題=“人工智能”+“非遺”的檢索方式進(jìn)行補(bǔ)充檢索，共得到314條文獻(xiàn)記錄，文獻(xiàn)的發(fā)表時(shí)間為2012年1月1日至2024年6月21日。由于筆者主要對(duì)文獻(xiàn)中的關(guān)鍵詞展開分析，因此在檢索結(jié)果中剔除了會(huì)議記錄、社論、報(bào)告等材料，最終得到242篇文獻(xiàn)作為文獻(xiàn)分析的數(shù)據(jù)源?；跁r(shí)間分布的文獻(xiàn)發(fā)表數(shù)量可以從宏觀角度反映該研究領(lǐng)域的發(fā)展?fàn)顩r，由圖1可知，2012年至2024年，中國(guó)知網(wǎng)期刊數(shù)據(jù)庫中相關(guān)文獻(xiàn)的發(fā)文量呈現(xiàn)出穩(wěn)步上升趨勢(shì)。2017年12月，工業(yè)和信息化部印發(fā)的《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》中提出了促進(jìn)人工智能產(chǎn)業(yè)發(fā)展的指導(dǎo)方針[1]。國(guó)內(nèi)學(xué)者積極投身于人工智能相關(guān)學(xué)科發(fā)展、理論建模和技術(shù)創(chuàng)新的研究當(dāng)中。因此，在2019年，國(guó)內(nèi)出現(xiàn)了第一波文獻(xiàn)發(fā)表數(shù)量的小高峰。2023年，AIGC憑借其先進(jìn)的深度學(xué)習(xí)算法和圖像生成能力，為文化遺產(chǎn)的創(chuàng)新設(shè)計(jì)與應(yīng)用提供了新的驅(qū)動(dòng)力。該技術(shù)引起了國(guó)內(nèi)學(xué)界的廣泛關(guān)注，人工智能技術(shù)與文化遺產(chǎn)相結(jié)合的研究迎來了新的高潮，相關(guān)研究文獻(xiàn)的發(fā)表數(shù)量激增。

二、人工智能賦能文化遺產(chǎn)領(lǐng)域的研究熱點(diǎn)與研究趨勢(shì)分析

（一）研究熱點(diǎn)分析

CiteSpace作為知識(shí)圖譜繪制工具，通過對(duì)特定知識(shí)領(lǐng)域的文獻(xiàn)進(jìn)行分析，可以將該領(lǐng)域的演進(jìn)歷程集中展現(xiàn)在可視化圖譜上[2]。關(guān)鍵詞是文章的核心概括，其在知識(shí)圖譜中出現(xiàn)的頻次與研究熱度呈正相關(guān)，通過對(duì)聚類中高頻關(guān)鍵詞的分析可以快速梳理該領(lǐng)域的研究主題與熱點(diǎn)[3]。筆者使用CiteSpace（6.2版本）對(duì)242篇期刊文獻(xiàn)進(jìn)行分析，得到關(guān)鍵詞聚類圖譜（如圖2）。通過圖譜可知，國(guó)內(nèi)對(duì)于人工智能賦能文化遺產(chǎn)領(lǐng)域的研究共形成九個(gè)聚類知識(shí)群體。在每個(gè)聚類中，關(guān)鍵詞文本的字號(hào)大小與其出現(xiàn)的頻次呈正比，字號(hào)越大出現(xiàn)的頻次也就相對(duì)越高，高頻關(guān)鍵詞反映了國(guó)內(nèi)的研究熱點(diǎn)與方向。筆者以高頻關(guān)鍵詞為核心對(duì)圖譜中各聚類的分析如下。聚類#0人工智能：以人工智能、非遺、創(chuàng)新設(shè)計(jì)等關(guān)鍵詞為核心的聚類。人工智能能夠快速生成與迭代文本、圖像以及視頻等內(nèi)容，為文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用提供了新的手段。聚類#1數(shù)字化：以數(shù)字化、傳承、風(fēng)格遷移、創(chuàng)新等關(guān)鍵詞為核心的聚類。風(fēng)格遷移主要利用預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)圖像中的內(nèi)容和風(fēng)格特征進(jìn)行分離與重組，為文化遺產(chǎn)的圖案與圖形創(chuàng)新提供新的方式與路徑。聚類#2圖書館：以數(shù)字人文、傳統(tǒng)文化、知識(shí)圖譜、知識(shí)抽取、知識(shí)組織等關(guān)鍵詞為核心的聚類。在人工智能技術(shù)的支持下，國(guó)內(nèi)學(xué)界對(duì)文化遺產(chǎn)文本內(nèi)容自動(dòng)化的抽取、分類與組織展開了研究，并在此基礎(chǔ)上構(gòu)建知識(shí)圖譜，從而完成文化遺產(chǎn)文本信息的數(shù)字化保存、組織與利用。聚類#3文化遺產(chǎn)：以文化遺產(chǎn)、數(shù)據(jù)庫、保護(hù)管理、信息管理等關(guān)鍵詞為核心的聚類?；谌斯ぶ悄芗夹g(shù)的文化遺產(chǎn)信息數(shù)字化與數(shù)據(jù)化處理的研究，主要體現(xiàn)在運(yùn)用AI輔助內(nèi)容解析、多級(jí)標(biāo)注、數(shù)據(jù)分類等信息保護(hù)與管理工作。聚類#4神經(jīng)網(wǎng)絡(luò)：以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、圖像識(shí)別、圖像分割等關(guān)鍵詞為核心的聚類。深度學(xué)習(xí)主要通過神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像識(shí)別、目標(biāo)檢測(cè)和圖像分割等復(fù)雜任務(wù)的自動(dòng)化，廣泛應(yīng)用于文化遺產(chǎn)的視覺特征識(shí)別與處理、智能修復(fù)、圖像分類等研究[4]。聚類#5傳統(tǒng)村落：以傳統(tǒng)村落、數(shù)字孿生等關(guān)鍵詞為核心的聚類。通過深度學(xué)習(xí)技術(shù)提取傳統(tǒng)村落的空間特征，并利用AIGC技術(shù)支持傳統(tǒng)村落的數(shù)字孿生設(shè)計(jì)，以構(gòu)建虛實(shí)結(jié)合的沉浸式體驗(yàn)空間。聚類#7博物館：以博物館、數(shù)字教育、公眾教育等關(guān)鍵詞為核心的聚類。人工智能的發(fā)展推動(dòng)了博物館的智慧化建設(shè)，以多樣化的展覽與傳播形式豐富了公眾教育的新模式。除上述聚類外，在#6元宇宙和#8應(yīng)用場(chǎng)景的聚類中，保護(hù)傳承、關(guān)鍵技術(shù)等關(guān)鍵詞的出現(xiàn)，反映出國(guó)內(nèi)學(xué)者對(duì)于人工智能技術(shù)在文化遺產(chǎn)數(shù)字化應(yīng)用中的探索與實(shí)踐。

（二）研究趨勢(shì)分析

在CiteSpace中對(duì)242篇期刊文獻(xiàn)進(jìn)行關(guān)鍵詞聚類分析，并以時(shí)間軸的形式繪制2015年至2024年人工智能賦能文化遺產(chǎn)領(lǐng)域研究的關(guān)鍵詞聚類時(shí)間軸圖譜（如圖3），由于2012年至2014年國(guó)內(nèi)相關(guān)研究的發(fā)文量?jī)H有2篇，因此未能形成聚類圖譜。在“數(shù)字化”聚類中，學(xué)習(xí)、發(fā)展、傳承、創(chuàng)新和保護(hù)都是該聚類中較早出現(xiàn)的高頻關(guān)鍵詞。這表明，在該研究領(lǐng)域的早期，運(yùn)用人工智能技術(shù)輔助文化遺產(chǎn)的數(shù)字化保護(hù)、傳承與創(chuàng)新是較為熱門的研究方向。2020年后，該領(lǐng)域中風(fēng)格遷移相關(guān)的研究逐漸增多。“人工智能”是包含關(guān)鍵詞最多的聚類。2020年后，創(chuàng)新設(shè)計(jì)和非遺出現(xiàn)頻次較高，表明近年來國(guó)內(nèi)學(xué)者在人工智能賦能非遺創(chuàng)新設(shè)計(jì)的研究中展開了較多的探索。2022年至2024年，知識(shí)組織、知識(shí)抽取和知識(shí)圖譜的出現(xiàn)，說明針對(duì)文化遺產(chǎn)的自動(dòng)化知識(shí)抽取、分類與組織逐漸成為該領(lǐng)域內(nèi)的研究前沿?！吧窠?jīng)網(wǎng)絡(luò)”聚類出現(xiàn)在2020年至2023年，由該聚類可知，在文化遺產(chǎn)領(lǐng)域的智能化圖像識(shí)別方面，主要應(yīng)用神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)等技術(shù)。在“文化遺產(chǎn)”聚類中，2022年至2024年數(shù)據(jù)庫、保護(hù)管理和信息管理等關(guān)鍵詞出現(xiàn)，基于人工智能技術(shù)構(gòu)建智能化的數(shù)據(jù)庫，實(shí)現(xiàn)文化遺產(chǎn)數(shù)字化信息保護(hù)與管理成為了該領(lǐng)域新的研究熱點(diǎn)。

三、人工智能賦能文化遺產(chǎn)領(lǐng)域的熱點(diǎn)研究主題分析

根據(jù)關(guān)鍵詞聚類圖譜中的高頻關(guān)鍵詞可以歸納該領(lǐng)域的熱點(diǎn)研究主題。第一，根據(jù)聚類#2圖書館中的知識(shí)圖譜、知識(shí)抽取、知識(shí)組織，聚類#3文化遺產(chǎn)中的數(shù)據(jù)庫、保護(hù)管理、信息管理，可歸納出熱點(diǎn)研究主題一：文化遺產(chǎn)知識(shí)的抽取、分類與組織。第二，根據(jù)聚類#4神經(jīng)網(wǎng)絡(luò)中的圖像識(shí)別、圖像分割，結(jié)合已有研究文獻(xiàn)，可歸納出熱點(diǎn)研究主題二：文化遺產(chǎn)圖像內(nèi)容的識(shí)別、分類與修復(fù)。第三，根據(jù)聚類#0人工智能中的非遺、創(chuàng)新設(shè)計(jì)，聚類#1數(shù)字化中的風(fēng)格遷移、創(chuàng)新，聚類#5傳統(tǒng)村落中的數(shù)字孿生，聚類#6元宇宙中的三維建模，聚類#7博物館中的數(shù)字教育、公眾教育，可歸納出熱點(diǎn)研究主題三：文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用?！拔幕z產(chǎn)知識(shí)的抽取、分類與組織”探索了人工智能介入下文化遺產(chǎn)文本屬性和內(nèi)容的抽取與分類方法，自動(dòng)化構(gòu)建知識(shí)圖譜的手段以及搭建智能化知識(shí)庫的路徑?！拔幕z產(chǎn)圖像內(nèi)容的識(shí)別、分類與修復(fù)”針對(duì)文化遺產(chǎn)圖像資料的智能化圖像識(shí)別、圖像分類、圖像分割、特征提取、目標(biāo)檢測(cè)等方法展開研究?！拔幕z產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用”則關(guān)注人工智能介入下文化遺產(chǎn)數(shù)字化的創(chuàng)造性轉(zhuǎn)化與利用，通過實(shí)踐驗(yàn)證設(shè)計(jì)方法、策略與流程的可行性。三個(gè)熱點(diǎn)研究主題各有不同但又緊密關(guān)聯(lián)，體現(xiàn)了智能時(shí)代下文化遺產(chǎn)數(shù)字化保護(hù)、傳承與應(yīng)用的研究路徑。

（一）人工智能賦能文化遺產(chǎn)知識(shí)的抽取、分類與組織

國(guó)內(nèi)學(xué)者運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等智能算法，探索了人工智能介入下文化遺產(chǎn)知識(shí)自動(dòng)化抽取、分類與組織的方法，智能生成知識(shí)圖譜的策略以及文化遺產(chǎn)數(shù)據(jù)活化利用的路徑。在知識(shí)抽取方面，范濤等[5]構(gòu)建了一種基于深度學(xué)習(xí)的非遺語義抽取模型，并驗(yàn)證了該模型在學(xué)習(xí)、抽取非遺文本序列的語義信息與短語特征方面具備優(yōu)越性。在知識(shí)分類、組織以及知識(shí)圖譜的構(gòu)建方面，陳昱成等[6]基于大語言模型（BERT、ERNIE）和生成式模型Baichuan-7B構(gòu)建了非遺項(xiàng)目類別分類器，對(duì)非遺科爾沁敘事民歌的歷史起源、代表作品、傳承現(xiàn)狀進(jìn)行分類與組織，并構(gòu)建知識(shí)圖譜。在數(shù)據(jù)活化利用方面，范煒等[7]以非遺羌年為例，從多元異構(gòu)數(shù)據(jù)資源中生成了非遺智慧數(shù)據(jù)，探索了大語言模型與知識(shí)庫相結(jié)合的非遺數(shù)據(jù)智能分析與活化利用路徑。

（二）人工智能賦能文化遺產(chǎn)圖像內(nèi)容的識(shí)別、分類與修復(fù)

基于深度學(xué)習(xí)技術(shù)，學(xué)者們探索了文化遺產(chǎn)圖像的自動(dòng)化識(shí)別、分類、修復(fù)與特征提取的方法，運(yùn)用人工智能算法輔助文化遺產(chǎn)圖像數(shù)字化保存與虛擬修復(fù)的工作。在圖像識(shí)別與分類方面，周澤聿等[8]構(gòu)建了基于Xception模型的中華傳統(tǒng)刺繡圖像分類模型，結(jié)合深度學(xué)習(xí)和遷移學(xué)習(xí)，有效提升了刺繡圖像分類的準(zhǔn)確率。陳玉紅等[9]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的唐卡尊像自動(dòng)分類方法，并驗(yàn)證了該方法可以提高圖像分類的準(zhǔn)確率。在圖像分割方面，陳鋆純等[10]利用U-Net深度學(xué)習(xí)網(wǎng)絡(luò)自動(dòng)化分割了花瑤挑花紋樣，提取了紋樣圖像的構(gòu)圖與色彩語義特征，并通過風(fēng)格遷移技術(shù)生成了新的紋樣圖像。此外，如何運(yùn)用人工智能技術(shù)保護(hù)與修復(fù)壁畫遺產(chǎn)，是文化遺產(chǎn)圖像智能處理領(lǐng)域的一個(gè)重要課題[11]。楊挺等[12]提出了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的圖像修復(fù)算法（SOM），利用SOM算法對(duì)壁畫中的破損區(qū)域進(jìn)行修復(fù)。

（三）人工智能賦能文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用

在人工智能的介入下，學(xué)者們探討了文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)應(yīng)用的策略與路徑，搭建了智能輔助設(shè)計(jì)系統(tǒng)，探索了AIGC模型的訓(xùn)練方法，數(shù)字化創(chuàng)新設(shè)計(jì)的手段與流程更加智能化和自動(dòng)化，不斷推進(jìn)文化遺產(chǎn)的創(chuàng)造性轉(zhuǎn)化與利用。在人工智能賦能文化遺產(chǎn)數(shù)字化應(yīng)用的策略與路徑研究方面，楊京玲等[13]提出了AIGC技術(shù)在非遺桃花塢木版年畫家居設(shè)計(jì)中的創(chuàng)新性應(yīng)用路徑與方法。在文化遺產(chǎn)智能設(shè)計(jì)流程的研究方面，張悅等[14]提出了人工智能技術(shù)介入下的鳳陽鳳畫數(shù)字化設(shè)計(jì)流程，通過YOLO算法實(shí)現(xiàn)鳳畫圖像特征的識(shí)別和提取，利用Cycle GAN圖像風(fēng)格遷移網(wǎng)絡(luò)生成了不同風(fēng)格特征的鳳畫圖案圖像。在智能輔助設(shè)計(jì)系統(tǒng)的建構(gòu)方面，崔因等[15]采用Canny邊緣檢測(cè)算法提取了磁州窯的紋樣特征，運(yùn)用深度神經(jīng)網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)技術(shù)構(gòu)建了磁州窯裝飾紋樣智能輔助設(shè)計(jì)系統(tǒng)。在AIGC模型的訓(xùn)練方面，于鵬等[16]以服飾視覺特征辨識(shí)性為切入點(diǎn)，通過相對(duì)較少的訓(xùn)練集圖像數(shù)量、迭代步數(shù)和訓(xùn)練時(shí)長(zhǎng)，在Stable Diffusion中運(yùn)用Lora模型實(shí)現(xiàn)了苗族服飾特征的風(fēng)格遷移與圖像生成。

四、人工智能賦能文化遺產(chǎn)領(lǐng)域的研究與應(yīng)用評(píng)述

（一）已有研究成果的特征

通過對(duì)文獻(xiàn)的分析與梳理，筆者發(fā)現(xiàn)已有研究呈現(xiàn)出以下特征：第一，文化遺產(chǎn)知識(shí)的智能化抽取、分類與組織，信息檢索與管理以及知識(shí)圖譜自動(dòng)化構(gòu)建的研究成果相對(duì)較多，而對(duì)于文化遺產(chǎn)智慧數(shù)據(jù)生成與活化利用路徑的研究不足。第二，文化與社會(huì)效益的研究熱度相對(duì)較高，經(jīng)濟(jì)效益與產(chǎn)業(yè)融合的研究關(guān)注度相對(duì)較低。為挖掘人工智能賦能下文化遺產(chǎn)保護(hù)、傳承與應(yīng)用的社會(huì)效益，文化遺產(chǎn)的數(shù)字化展示、傳播與應(yīng)用成為國(guó)內(nèi)學(xué)者的主要研究方向之一。關(guān)于人工智能驅(qū)動(dòng)下文化遺產(chǎn)創(chuàng)造性轉(zhuǎn)化與利用所產(chǎn)生的經(jīng)濟(jì)價(jià)值，文化遺產(chǎn)與其他產(chǎn)業(yè)融合發(fā)展所產(chǎn)生的經(jīng)濟(jì)效益的研究文獻(xiàn)相對(duì)較少。第三，人工智能賦能文化遺產(chǎn)數(shù)字化設(shè)計(jì)與應(yīng)用的研究較多，學(xué)界大多關(guān)注圖案紋樣的創(chuàng)新與產(chǎn)品概念設(shè)計(jì)方案的智能生成。在基礎(chǔ)理論探索與設(shè)計(jì)方法構(gòu)建方面的研究不足，對(duì)于理論體系的支撐和方法論的挖掘有待深入。

（二）人工智能在文化遺產(chǎn)數(shù)字化設(shè)計(jì)與應(yīng)用中存在的問題

現(xiàn)階段，人工智能的內(nèi)容生成技術(shù)存在一定的局限性，其生成的內(nèi)容大多基于已有的數(shù)據(jù)和模型，易出現(xiàn)內(nèi)容同質(zhì)化問題，需要解決生成內(nèi)容同質(zhì)化與數(shù)字文化需求多元化之間的矛盾。同時(shí)在文化遺產(chǎn)圖像內(nèi)容的識(shí)別、學(xué)習(xí)與轉(zhuǎn)譯中，人工智能無法真正理解文化內(nèi)涵與圖案寓意，導(dǎo)致其生成的圖像缺乏文化內(nèi)涵的表達(dá)。此外，將理論方法應(yīng)用于實(shí)踐所產(chǎn)生的結(jié)果與預(yù)期效果存在些許偏差，其原因可能在于：一方面，針對(duì)特定文化遺產(chǎn)主題的AIGC模型訓(xùn)練方法還處在初步探索階段，AIGC模型的美學(xué)效果和內(nèi)容生成的可控性需要優(yōu)化與提升；另一方面，人工智能賦能下的文化遺產(chǎn)智能設(shè)計(jì)方法需要不斷地豐富、發(fā)展與驗(yàn)證，以增強(qiáng)其易用性與普適性。

五、研究展望

隨著人工智能生成技術(shù)的發(fā)展，文本、圖像、視頻等內(nèi)容學(xué)習(xí)的精準(zhǔn)性和輸出的可控性將顯著提升，為后續(xù)的研究與探索提供更多的可能性。在文化遺產(chǎn)數(shù)字化保護(hù)、傳承與應(yīng)用的研究中，需要確立鮮明的問題導(dǎo)向，探索新的發(fā)展理念，不斷推動(dòng)文化遺產(chǎn)數(shù)字化與智能化發(fā)展的新格局。通過上述文獻(xiàn)分析，筆者認(rèn)為該領(lǐng)域的研究展望如下：第一，需要不斷構(gòu)建和挖掘文化遺產(chǎn)知識(shí)自動(dòng)化抽取、分類與組織的方法，探索全面、高效的知識(shí)圖譜自動(dòng)化構(gòu)建路徑。第二，在AIGC技術(shù)的支持下，不斷豐富文化遺產(chǎn)圖像內(nèi)容自動(dòng)化識(shí)別與分類的方法，建構(gòu)文化遺產(chǎn)智能修復(fù)的路徑。第三，在文化遺產(chǎn)數(shù)字化創(chuàng)新設(shè)計(jì)與應(yīng)用方面：一是AIGC模型訓(xùn)練的方法與流程需不斷探索，例如，訓(xùn)練集中文化遺產(chǎn)圖像資料的采集與篩選標(biāo)準(zhǔn)，圖像與文本標(biāo)簽的寫入方法，提示詞文本內(nèi)容的構(gòu)成結(jié)構(gòu)等規(guī)范需要不斷地探索與確立。二是人工智能賦能下設(shè)計(jì)方法的建構(gòu)以及設(shè)計(jì)流程的優(yōu)化，探索文化遺產(chǎn)智能輔助設(shè)計(jì)系統(tǒng)的搭建與迭代路徑，拓展人工智能在設(shè)計(jì)領(lǐng)域中應(yīng)用的廣度與深度。三是針對(duì)人工智能生成內(nèi)容的評(píng)估方法與模型的構(gòu)建，即面向批量生成的概念設(shè)計(jì)方案，需確立評(píng)價(jià)指標(biāo)，構(gòu)建高效的評(píng)價(jià)體系與評(píng)估模型以實(shí)現(xiàn)概念設(shè)計(jì)方案的有效篩選，助力設(shè)計(jì)方案的快速輸出與迭代。

參考文獻(xiàn)：

[1]工信部網(wǎng)站.工業(yè)和信息化部關(guān)于印發(fā)《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018-2020年）》的通知[EB/OL].[2017-12-15].https：//www.cac.gov.cn/2017-12/15/c_1122114520.htm.

[2]陳悅，陳超美，劉則淵，等.CiteSpace知識(shí)圖譜的方法論功能[J].科學(xué)學(xué)研究，2015（2）：242-253.

[3]吳玨，俞佳楠，陳絮菲.沉浸式虛擬技術(shù)在文化遺產(chǎn)領(lǐng)域的研究現(xiàn)狀與熱點(diǎn)分析[J].創(chuàng)意與設(shè)計(jì)，2022（3）：71-80.

[4]馬進(jìn)，張彤彤，錢曉松，等.人工智能在非物質(zhì)文化遺產(chǎn)保護(hù)與傳承中的應(yīng)用研究現(xiàn)狀[J].包裝工程，2023（8）：1-14，36.

[5]范濤，王昊，張寶隆.基于遠(yuǎn)程監(jiān)督和深度學(xué)習(xí)的非物質(zhì)文化遺產(chǎn)文本屬性抽取研究[J].情報(bào)理論與實(shí)踐，2021（10）：1-7，17.

[6]陳昱成，黎洋，劉江峰，等.AIGC視角下非物質(zhì)文化遺產(chǎn)知識(shí)圖譜的構(gòu)建研究[J].科技情報(bào)研究，2024（2）：115-128.

[7]范煒，曾蕾.AI新時(shí)代面向文化遺產(chǎn)活化利用的智慧數(shù)據(jù)生成路徑探析[J].中國(guó)圖書館學(xué)報(bào)，2024（2）：4-29.

[8]周澤聿，王昊，張小琴，等.基于Xception-TD的中華傳統(tǒng)刺繡分類模型構(gòu)建[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2022（C1）：338-347.

[9]陳玉紅，劉曉靜.基于卷積神經(jīng)網(wǎng)絡(luò)的唐卡尊像自動(dòng)分類研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2021（12）：167-174.

[10]陳鋆純，彭堅(jiān)，郭寅曼，等.基于花瑤挑花紋樣風(fēng)格化圖像的輔助設(shè)計(jì)研究[J].包裝工程，2022（14）：246-253.

[11]竇金花，張彬蕊，錢曉松.人工智能賦能文化遺產(chǎn)領(lǐng)域的研究綜述——基于CiteSpace的可視化分析[J].包裝工程，2023（14）：1-20.

[12]楊挺，王雙雙，盆海波，等.基于改進(jìn)SOM的壁畫圖像裂縫自動(dòng)識(shí)別與修復(fù)[J].天津大學(xué)學(xué)報(bào)（自然科學(xué)與工程技術(shù)版），2020（9）：932-938.

[13]楊京玲，陳燕雯.基于AIGC的桃花塢木版年畫在家居設(shè)計(jì)中的創(chuàng)新應(yīng)用研究[J].包裝工程，2024（12）：465-473.

[14]張悅，高安格.人工智能背景下鳳陽鳳畫數(shù)字化設(shè)計(jì)創(chuàng)新研究[J].包裝工程，2023（24）：50-57.

[15]崔因，楊建明，李芳，等.磁州窯裝飾紋樣智能輔助設(shè)計(jì)研究[J].包裝工程，2023（16）：1-9.

[16]于鵬，張毅.從特征辨識(shí)到圖像生成：基于AIGC范式的苗族服飾設(shè)計(jì)[J].絲綢，2024（3）：1-10.

作者簡(jiǎn)介：劉亦武，桂林電子科技大學(xué)藝術(shù)與設(shè)計(jì)學(xué)院碩士研究生。

通訊作者：李旭，桂林電子科技大學(xué)藝術(shù)與設(shè)計(jì)學(xué)院教授。

基金項(xiàng)目：本文系2023年廣西哲學(xué)社會(huì)科學(xué)研究一般項(xiàng)目“人工智能輔助廣西傳統(tǒng)民族紋飾圖像資料挖掘及知識(shí)圖譜數(shù)據(jù)庫構(gòu)建研究”（23BMZ007）；2024年廣西研究生教育創(chuàng)新計(jì)劃項(xiàng)目“生成式人工智能賦能下廣西苗族裝飾紋樣在數(shù)字文化創(chuàng)意產(chǎn)品中的應(yīng)用研究”（YCSW2024321）研究成果。