周天辰 吳智慧

摘要：本文基于最新的Stable Diffusion人工智能繪畫模型，探討了其在家具設(shè)計領(lǐng)域應(yīng)用的可行性。通過設(shè)計一個孔雀風(fēng)格的沙發(fā)效果圖，總結(jié)了該模型在家具設(shè)計中的優(yōu)缺點。研究認為，Stable Diffusion模型可以為設(shè)計師提供豐富的創(chuàng)意元素和效果圖，從而大大提高了家具設(shè)計的效率和多樣性。然而，該模型生成的效果圖目前還比較粗糙，細節(jié)處理不足，并且具有較高的隨機性。未來隨著模型功能的日益完善和結(jié)合其他技術(shù)，人工智能繪畫模型將成為家具設(shè)計領(lǐng)域重要的創(chuàng)意來源和設(shè)計輔助工具。

關(guān)鍵詞：人工智能；家具設(shè)計；繪畫；椅類家具；穩(wěn)定擴散

中圖分類號：TS664 文獻標(biāo)識碼：A文章編號：1003-0069（2024）11-0094-04

Abstract：Based on the latest Stable Diffusion artificial intelligence painting model，this paper discusses the feasibility of its application in the field of furniture design. By designing a peacock-style sofa rendering，the advantages and disadvantages of this model in furniture design are summarized. The study believes that the Stable Diffusion model can provide designers with rich creative elements and renderings，thereby greatly improving the efficiency and diversity of furniture design. However，the renderings generated by this model are currently relatively rough，with insufficient details and high randomness. In the future，with the increasing improvement of model functions and the combination of other technologies，artificial intelligence painting models will become an important source of creativity and design aids in the field of furniture design.

Keywords：Artificial intelligence；Furniture design；Painting；Chair furniture；Stable diffusion

引言

近年來，隨著人工智能技術(shù)的興起，諸多人工智能相關(guān)的技術(shù)開始逐漸進入大眾的視野。人工智能已經(jīng)在諸多領(lǐng)域展現(xiàn)出驚人的能力和潛力，其中之一就是在創(chuàng)造性領(lǐng)域的應(yīng)用。繪畫是一門源遠流長的藝術(shù)形式，而人工智能在繪畫方面的應(yīng)用，正逐漸引起設(shè)計師和藝術(shù)家們的興趣。然而，雖然人工智能能夠創(chuàng)造出優(yōu)秀的繪畫作品，但在家具的設(shè)計領(lǐng)域，其應(yīng)用仍然相對較少。通過本研究，我們旨在進一步推動人工智能與家具設(shè)計的結(jié)合，探索人工智能在家具設(shè)計領(lǐng)域的潛力。我們相信，借助人工智能的力量，我們可以創(chuàng)造出更加智能、人性化和美觀的椅類家具，為人們的生活環(huán)境帶來更多的舒適和便利。本文的研究成果將為家具設(shè)計師和研究者們提供新的思路和啟示，為未來的家具設(shè)計探索開辟一條創(chuàng)新的道路。

一 、人工智能繪畫概況

（一）人工智能繪畫的定義：人工智能繪畫是指利用人工智能技術(shù)進行繪畫創(chuàng)作的過程和結(jié)果。通過機器學(xué)習(xí)算法和大量的訓(xùn)練數(shù)據(jù)，計算機系統(tǒng)可以學(xué)習(xí)和模仿現(xiàn)有的藝術(shù)風(fēng)格和技巧，并生成新的藝術(shù)作品。它結(jié)合了計算機科學(xué)和藝術(shù)創(chuàng)作的領(lǐng)域，旨在讓計算機系統(tǒng)具備創(chuàng)造和表達的能力，為藝術(shù)家和觀眾帶來新的視覺體驗和藝術(shù)形式。

（二）人工智能繪畫的原理：人工智能繪畫的原理基于機器學(xué)習(xí)和生成對抗網(wǎng)絡(luò)（GAN）等技術(shù)，其主要步驟包括數(shù)據(jù)收集、模型訓(xùn)練和生成藝術(shù)作品。

首先，模型的訓(xùn)練者需要收集大量的藝術(shù)作品作為繪畫模型的訓(xùn)練數(shù)據(jù)。這些數(shù)據(jù)可以包括繪畫、插圖、攝影等各種形式的藝術(shù)作品。數(shù)據(jù)的多樣性和豐富性對于提高生成作品的質(zhì)量和多樣性至關(guān)重要。接下來，使用機器學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）或循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），對訓(xùn)練數(shù)據(jù)進行訓(xùn)練。通過反復(fù)迭代的過程，機器學(xué)習(xí)算法能夠?qū)W習(xí)到藝術(shù)作品的特征和模式，并生成類似的作品。在生成對抗網(wǎng)絡(luò)（GAN）中，有兩個主要的組件：生成器和判別器。生成器負責(zé)生成藝術(shù)作品，而判別器負責(zé)評估生成的作品與真實作品之間的相似度。在訓(xùn)練過程中，生成器和判別器相互競爭和協(xié)作，不斷改進自己的能力。生成器通過嘗試生成更加逼真和藝術(shù)性的作品來欺騙判別器，而判別器通過分辨真實作品和生成作品來提高自己的判斷能力。

通過反復(fù)的迭代訓(xùn)練，生成器逐漸改進其生成的作品，使其更加符合真實作品的風(fēng)格和特征。這樣，人工智能系統(tǒng)就能夠生成出與藝術(shù)家作品相似的新作品，展示出獨特的藝術(shù)風(fēng)格和創(chuàng)意。

（三）市面上常用的人工智能繪畫模型對比：在目前的人工智能繪畫領(lǐng)域，有3個最為常用的模型，即DALL·E2、Midjourney和Stable Diffusion。如表1所示，這些模型都是基于文本到圖像生成的原理，但在開發(fā)者、使用方法、分辨率和格式、使用費用、商業(yè)用途、原理、使用難度和圖形質(zhì)量等方面存在一些差異。

DALL·E 2由OpenAI公司開發(fā)，提供了用戶友好的界面，只需輸入文本提示即可生成圖像。支持固定的1024x1024分辨率，并可以用于商業(yè)用途。

Midjourney是由Midjourney實驗室開發(fā)的模型，使用方法是通過Midjourney Discord服務(wù)器進行操作。支持生成文本提示作圖、圖像變體和高分辨率圖像，分辨率可高達2048x2048。Midjourney允許付費會員將生成的圖像用于商業(yè)用途，并提供一定數(shù)量的免費GPU時間。

Stable Diffusion是由CompVis、Stability AI和LAION開發(fā)的模型。可以通過Dream Studio Web應(yīng)用程序進行操作，也可以在本地運行，但本地運行需要一定的編程知識和計算資源。Stable Diffusion可以生成各種格式的圖像，分辨率為1024x1024，并可以在商業(yè)上使用。

總而言之，用戶可以根據(jù)自身的需求和個人偏好，選擇適合自己的人工智能繪畫模型。本文考慮到模型的開源性以及可擴展性，選擇采用Stable Diffusion模型進行椅類家具設(shè)計。

（四）人工智能繪畫模型的主要應(yīng)用：當(dāng)前，人工智能繪圖模型的應(yīng)用已經(jīng)極為廣泛，但是各類用途之間依舊存在熱度的不同，熱度最高的主要是以下領(lǐng)域：

1.各類風(fēng)格人類及動植物的形象繪制：當(dāng)前的人工智能繪畫模型在人類及動植物的形象繪制領(lǐng)域應(yīng)用最為廣泛。這類模型已經(jīng)能夠模擬并生成各種風(fēng)格的人類及動植物形象，包括寫實風(fēng)格、卡通風(fēng)格、油畫風(fēng)格等，有些圖片甚至已經(jīng)能夠達到以假亂真的效果。如圖1是使用人工智能繪畫模型生成的一幅圖片，其內(nèi)容是美國企業(yè)家義隆馬斯克在中國農(nóng)村的場景，該圖片已經(jīng)達到了接近真實照片的效果。

2.工業(yè)及產(chǎn)品設(shè)計效果圖繪制：人工智能繪畫模型可以協(xié)助工業(yè)設(shè)計師和產(chǎn)品設(shè)計師繪制產(chǎn)品的效果圖，包括外觀設(shè)計、色彩搭配和材質(zhì)展示等。能夠通過學(xué)習(xí)大量的產(chǎn)品樣本和設(shè)計理念，提供設(shè)計靈感和快速的效果圖生成，有助于設(shè)計師們更好地展示產(chǎn)品概念和吸引客戶。圖2是基于人工智能繪圖模型設(shè)計出的概念摩托車效果圖，其質(zhì)感和精細度已十分接近3D建模的效果。

3.建筑及室內(nèi)效果圖繪制：在建筑和室內(nèi)設(shè)計領(lǐng)域，人工智能繪畫模型可以生成逼真的建筑和室內(nèi)場景效果圖。能夠根據(jù)設(shè)計師提供的草圖和要求，快速繪制出具有真實光影效果的建筑模型和內(nèi)部空間圖，幫助客戶更好地理解和預(yù)覽設(shè)計方案。圖3為人工智能模型生成的高迪風(fēng)格的建筑效果圖。

4.各類游戲開發(fā)相關(guān)的模型繪制：人工智能繪畫模型在游戲開發(fā)領(lǐng)域中具有重要應(yīng)用。能夠生成游戲中的角色模型、場景模型和特效動畫等，提供豐富多樣的游戲元素。通過人工智能的支持，游戲開發(fā)者可以快速創(chuàng)建出高質(zhì)量的游戲素材，提升游戲的視覺效果和用戶體驗。圖4為人工智能模型繪制出的青花瓷圖案外殼的鋼鐵俠效果圖。

綜上所述我們可以發(fā)現(xiàn)，人工智能繪畫模型的功能已經(jīng)極為強大，對于在家具設(shè)計領(lǐng)域的應(yīng)用探索極為必要。

二 、人工智能繪畫模型相關(guān)研究現(xiàn)狀

（一）國內(nèi)研究現(xiàn)狀：作為一個近年來的新興產(chǎn)業(yè)，國內(nèi)針對人工智能繪畫的相關(guān)研究并不算多。在CNKI中國知網(wǎng)上以“人工智能繪畫”為關(guān)鍵詞進行檢索，共檢索出223條相關(guān)內(nèi)容，其中學(xué)術(shù)期刊論文91篇，學(xué)位論文69篇，這些文獻中真正涉及人工智能主題的文獻僅有100余篇。不僅如此，由于人工智能技術(shù)近兩年的技術(shù)更新極快，許多發(fā)表于2020、2021年的相關(guān)文獻已經(jīng)失去其應(yīng)有的時效性以及實用性。

在這些文獻中，繪畫藝術(shù)領(lǐng)域，筆者僅僅檢索到十篇相關(guān)文獻，以概述性文獻為主。理論層面，許晚晴、馬依然等學(xué)者就人工智能繪畫對藝術(shù)創(chuàng)作的影響進行了分析。探討了人工智能繪畫的創(chuàng)作過程、藝術(shù)的意義，并思考藝術(shù)家和觀者如何從中獲益，提高審美素質(zhì)。此外還指出人工智能在繪畫、文學(xué)、音樂等藝術(shù)領(lǐng)域發(fā)揮著重要作用，認為人機協(xié)同是未來發(fā)展的方向之一[1-2]。實際應(yīng)用方面，徐雄慶、胡春瀛、陳洪娟等學(xué)者[3-5]研究了人工智能技術(shù)在藝術(shù)創(chuàng)作中的應(yīng)用。分析了人工智能技術(shù)在藝術(shù)創(chuàng)作中的優(yōu)勢，并探討了應(yīng)用現(xiàn)狀和改革方向，其中胡春瀛還提出利用人工智能推動繪畫藝術(shù)發(fā)展的觀點。葉丁瑩、王晨薇、張睿琳等學(xué)者[6-8]則關(guān)注人工智能介入藝術(shù)對身份、自我和未來的影響。思考了藝術(shù)家在人工智能時代的身份定義和價值實現(xiàn)。王晨薇從創(chuàng)作論的視角對比研究了人工智能繪畫和藝術(shù)家繪畫，探討了兩者融合發(fā)展的模式，張睿琳則強調(diào)了人工智能無法復(fù)制人類的情感和自我反思能力。哲學(xué)領(lǐng)域，范慧敏 、林婷婷等學(xué)者[9-10]研究了人工智能藝術(shù)創(chuàng)作的哲學(xué)問題，探討了人工智能技術(shù)的發(fā)展歷程和在藝術(shù)創(chuàng)作中的應(yīng)用，對人工智能與繪畫創(chuàng)作關(guān)系進行了辯證思考，并論證了人工智能在藝術(shù)創(chuàng)作中的本體論地位和未來發(fā)展的可能性。

（二）國外研究現(xiàn)狀：國外方面，在Web Of Science中以“AI Painting”為關(guān)鍵詞進行檢索，共檢索出相關(guān)文獻275條，使用“AI furniture design”為關(guān)鍵詞進行搜索，共檢索出文獻29條。

其中，孫義康[11]等學(xué)者通過比較人類和人工智能繪畫作品的研究，認為盡管神經(jīng)網(wǎng)絡(luò)的發(fā)展縮小了人工智能創(chuàng)作與傳統(tǒng)方式創(chuàng)作之間的差距，但在審美欣賞方面和人類仍存在根本差異。G？ring[12]等研究人員通過分析人工智能生成的圖像在真實性和吸引力方面的吸引力，以及用戶對其感知的角度，評估了幾個先進的AI生成器的效果，說明了所使用的方法和文本提示對于圖像生成的重要性。Beyan[13]等學(xué)者的研究結(jié)果指出，人工智能圖像生成器可以提供高質(zhì)量的設(shè)計替代方案，拓展設(shè)計想象力，但挑戰(zhàn)在于用戶如何提供符合人工智能程序要求的文本命令。Mao[14]等研究人員提出了一種基于草圖結(jié)構(gòu)向量的條件擴散模型（SketchFFusion），用于草圖引導(dǎo)圖像編輯，以解決傳統(tǒng)方法中存在的圖像失真、訓(xùn)練成本高和草圖細節(jié)丟失等問題，并通過評估其生成性能證明了該模型優(yōu)于現(xiàn)有方法。Jadav和Shchyhelska[15]討論了人工智能繪畫領(lǐng)域的發(fā)展和演變，文章指出，人工智能藝術(shù)經(jīng)歷了顯著的變化，展現(xiàn)出更強大的創(chuàng)作潛力，但是否將AI繪畫視為真正的藝術(shù)仍有待討論。

（三）文獻綜述：綜合來看，國內(nèi)外研究現(xiàn)狀在人工智能繪畫模型方面具有不同的特點。國內(nèi)研究注重人工智能繪畫對藝術(shù)創(chuàng)作的影響和意義，關(guān)注藝術(shù)家與觀者的互動，以及人工智能在藝術(shù)創(chuàng)作中的整體應(yīng)用。這種研究有助于提高審美素質(zhì)，推動藝術(shù)領(lǐng)域與人工智能的融合。然而，國內(nèi)研究在算法和技術(shù)創(chuàng)新方面相對不足，缺乏與國際先進技術(shù)的對接，需要加強相關(guān)研究的深度和廣度。

相比之下，國外研究在人工智能繪畫模型方面具有更多的優(yōu)勢。國外相關(guān)研究數(shù)量較多，涵蓋了廣泛的領(lǐng)域和技術(shù)應(yīng)用，特別是在圖像生成的真實性、吸引力和用戶感知等方面有較深入的探索。同時，國外的研究注重技術(shù)創(chuàng)新，提出了多種先進的生成器和模型，為人工智能繪畫領(lǐng)域的發(fā)展做出了重要貢獻。然而，部分研究過于注重技術(shù)性，缺乏對藝術(shù)創(chuàng)作和社會影響的深入討論，還需要進一步加強實證驗證和應(yīng)用實踐。

綜上所述，國內(nèi)外研究現(xiàn)狀在人工智能繪畫模型方面各有優(yōu)勢和局限。國內(nèi)研究需要加強技術(shù)創(chuàng)新和實踐驗證，并與國外研究成果進行交流與合作，以推動人工智能繪畫模型的發(fā)展。同時，國外或國內(nèi)針對人工智能模型在家具設(shè)計領(lǐng)域的應(yīng)用研究均較為缺乏，因此進行相關(guān)內(nèi)容的深入研究十分必要。

三、 Stable Diffusion模型介紹

（一）Stable Diffusion模型的概念與原理：Stable Diffusion是一種深度學(xué)習(xí)的文本到圖像模型，于2022年發(fā)布，由慕尼黑路德維?！ゑR克西米利安大學(xué)的CompVis小組開發(fā)。主要用于根據(jù)文本描述生成詳細的圖像，盡管也可以應(yīng)用于其他任務(wù)，如修復(fù)圖像，擴展圖像，以及根據(jù)文本提示生成圖像到圖像的轉(zhuǎn)換。這個模型由初創(chuàng)公司Stability AI與一些學(xué)術(shù)研究者和非營利組織合作開發(fā)。原理上，擴散模型的目標(biāo)是去除在訓(xùn)練圖像上連續(xù)應(yīng)用的高斯噪聲，可以被視為一系列的去噪自動編碼器。Stable Diffusion由3部分組成：變分自動編碼器（VAE）、U-Net和一個可選的文本編碼器。VAE編碼器將圖像從像素空間壓縮到一個更小的維度的潛在空間，捕獲圖像的更基本的語義含義。在前向擴散過程中，高斯噪聲被迭代地應(yīng)用到壓縮的潛在表示上。U-Net塊，由ResNet主干組成，將前向擴散的輸出向后去噪以獲得潛在表示。最后，VAE解碼器通過將表示轉(zhuǎn)換回像素空間來生成最終的圖像。

（二）使用Stable Diffusion進行設(shè)計的一般流程：在使用Stable Diffusion進行設(shè)計時，主要包括以下5個步驟：明確設(shè)計目標(biāo)、確定基礎(chǔ)與擴展模型、選擇參數(shù)及關(guān)鍵詞、調(diào)節(jié)整體效果以及后期圖片處理。

首先，明確設(shè)計目標(biāo)是設(shè)計過程的起點。確定設(shè)計的產(chǎn)品類型（如沙發(fā)或椅子）以及產(chǎn)品包含的元素等，以此來指導(dǎo)后續(xù)步驟。其次，根據(jù)設(shè)計目標(biāo)選擇適合的基礎(chǔ)模型，可以是預(yù)訓(xùn)練的圖像分類模型或生成對抗網(wǎng)絡(luò)模型。同時，考慮是否需要引入針對設(shè)計目標(biāo)進行專門訓(xùn)練的擴展模型，以增強設(shè)計效果。然后，選擇合適的圖片參數(shù)和關(guān)鍵詞，并進行初步調(diào)試。圖片參數(shù)包括學(xué)習(xí)率、噪聲水平和迭代次數(shù)等，關(guān)鍵詞則可以與設(shè)計目標(biāo)相關(guān)，如“現(xiàn)代”“自然”等。這些選擇會影響模型生成圖像的風(fēng)格和特征，使其更符合設(shè)計要求。接下來，進行圖片試生成，評估生成樣本是否符合設(shè)計目標(biāo)，并記錄有用的結(jié)果。根據(jù)試生成的效果，綜合調(diào)節(jié)整體效果，包括圖像的風(fēng)格特點、細節(jié)處理和整體概念等。通過實驗、參數(shù)調(diào)整以及嘗試不同的擴展模型或關(guān)鍵詞，逐步接近預(yù)期的設(shè)計效果。最后，如果多次生成的圖片仍未達到理想效果，可以使用專業(yè)的圖像處理軟件（如Photoshop等）對生成的圖像進行后期處理，提升設(shè)計的質(zhì)量。

通過以上流程，使用Stable Diffusion能夠逐步改進和優(yōu)化圖像生成結(jié)果，實現(xiàn)設(shè)計目標(biāo)的達成。

四、基于Stable Diffusion的椅類家具設(shè)計實踐

（一）設(shè)計目標(biāo)的確定：項目擬定的設(shè)計目標(biāo)為一款結(jié)合了孔雀風(fēng)格與特點的沙發(fā)，該沙發(fā)需要體現(xiàn)自然界中的孔雀這一動物元素，并具有一定的創(chuàng)新性。同時，該沙發(fā)需要具有一定結(jié)構(gòu)穩(wěn)定性，以滿足一個成年人的正常使用需求。

（二）基礎(chǔ)及擴展模型的確定：目前，筆者暫未找到專門應(yīng)用于家具設(shè)計的Stable Diffusion基礎(chǔ)模型，將選擇市面上較為常用的且符合家具效果圖繪制需求的基礎(chǔ)模型進行家具設(shè)計。當(dāng)前市面上主流的Stable Diffusion基礎(chǔ)模型依照其出圖的風(fēng)格主要可以分為寫實基礎(chǔ)模型、虛擬基礎(chǔ)模型以及萬能基礎(chǔ)模型這3個大類。其中虛擬繪畫基礎(chǔ)模型出圖的效果較為抽象，相對于家具的設(shè)計表現(xiàn)更加適合創(chuàng)意性繪畫和藝術(shù)表達。與虛擬繪畫基礎(chǔ)模型不同，寫實基礎(chǔ)模型更加注重圖像的真實性和細節(jié)表現(xiàn)，這類模型通過學(xué)習(xí)真實世界的照片和繪畫作品，能夠以高度精細的方式還原圖像中的細微紋理和光影效果。這類模型的輸出圖片通常更加接近真實的繪畫作品，更加適用于家具設(shè)計表現(xiàn)。萬能基礎(chǔ)模型所生成的圖像雖真實性高于虛擬基礎(chǔ)模型所生成圖像，卻無法與寫實基礎(chǔ)模型生成的圖相媲美，因此也不在基礎(chǔ)模型的選擇范圍。

根據(jù)以上推理以及實際操作的反復(fù)對比，筆者最終選擇了目前市面上最為常用的寫實基礎(chǔ)模型“realisticVisionV20_v20”，進行沙發(fā)效果圖的繪制。擴展模型方面，筆者依據(jù)大多數(shù)作者的方法設(shè)置了自動選擇外掛 VAE 模型的參數(shù)。

（三）關(guān)鍵詞及相關(guān)參數(shù)的選擇：經(jīng)過網(wǎng)絡(luò)上相關(guān)內(nèi)容的參考及經(jīng)過反復(fù)調(diào)試，筆者以“孔雀羽毛，靠背圖案，復(fù)雜的色彩，沙發(fā)，古典，對稱，女人味，精致，柔軟”為正向提示詞，無反向提示詞，迭代步數(shù)為20，采樣方法選擇Euler a，寬度與高度均為512像素，總批次數(shù)為1，單批次數(shù)量為1，提示詞引導(dǎo)系數(shù)為7，隨機數(shù)種子為-1進行圖像生成，最終生成孔雀風(fēng)格的沙發(fā)效果圖，如圖7。

結(jié)語

誠然，人工智能繪畫模型依舊有許多不成熟不完善的地方，但是參考人工智能文字生成模型Chatgpt的迅速發(fā)展歷程，筆者相信在不久的將來，成熟的人工智能繪畫模型將會對家具設(shè)計行業(yè)進行一次顛覆性的技術(shù)革命。然而，無論人工智能技術(shù)如何發(fā)展，真正獨特和有價值的設(shè)計仍需要具有強大創(chuàng)造力的設(shè)計師的智慧和經(jīng)驗。因此，設(shè)計師應(yīng)將人工智能繪畫模型作為輔助工具，與人類創(chuàng)造力相結(jié)合，發(fā)揮雙方的優(yōu)勢，進行專屬于自己的設(shè)計創(chuàng)造。

綜上所述，人工智能繪畫模型作為一種創(chuàng)新的設(shè)計工具，正在為家具設(shè)計行業(yè)帶來新的機遇和挑戰(zhàn)。對此，我們應(yīng)該持開放的態(tài)度，積極探索和應(yīng)用這些模型，以推動家具設(shè)計的發(fā)展，創(chuàng)造更美好的家居生活。

參考文獻

[1]許晚晴.人工智能繪畫對藝術(shù)創(chuàng)作的影響[J].新美域，2022（10）：24-26.

[2]馬依然.藝術(shù)創(chuàng)作領(lǐng)域中人工智能的應(yīng)用探討[J].傳媒論壇，2021，4（06）：125-126.

[3]徐雄慶.人工智能技術(shù)在藝術(shù)創(chuàng)作中的應(yīng)用探究[J].大觀（論壇），2021（10）：5-6.

[4]胡春瀛，張雯.人工智能背景下繪畫藝術(shù)的困境探究[J].藝術(shù)教育，2021（03）：163-166.

[5]陳洪娟.文藝新生態(tài)語境下人工智能繪畫的創(chuàng)作場域及其價值分析[J].重慶社會科學(xué)，2020（08）：45-52.

[6]葉丁瑩. 身份、自我與未來[D].深圳大學(xué)，2020.

[7]王晨薇. 創(chuàng)作論視角下的“人工智能繪畫”與藝術(shù)家繪畫比較研究[D].南京航空航天大學(xué)，2020.

[8]張睿琳.人工智能技術(shù)在藝術(shù)創(chuàng)作上的應(yīng)用[J].技術(shù)與市場，2019，26（05）：176.

[9]范慧敏. 人工智能藝術(shù)創(chuàng)作的哲學(xué)研究[D].天津大學(xué)，2019.

[10]林婷婷.人工智能下的繪畫藝術(shù)[J].藝術(shù)品鑒，2019（12）：324-325.

[11]Sun Y，Yang C H，Lyu Y，et al. From Pigments to Pixels：A Comparison of Human and AI Painting[J]. Applied Sciences，2022，12（8）：3724.

[12]G？ring S，Rao R R R，Merten R，et al. Analysis of Appeal for realistic AI-generated Photos[J].IEEE Access，2023.

[13]Beyan E V P，Rossy A G C. A Review of AI Image Generator：Influences，Challenges，and Future Prospects for Architectural Field[J]. Journal of Artificial Intelligence in Architecture，2023，2（1）：53-65.

[14]Mao W，Han B，Wang Z. SketchFFusion：Sketch-guided image editing with diffusion model[J]. arXiv preprint arXiv：2304.03174，2023.