AI for Cultural Heritage Textiles: Fine-Tuned Latent Diffusion for Novel Ulos Motif Synthesis

Resumen Técnico: IA para Textiles de Patrimonio Cultural: Difusión Latente Ajustada para la Síntesis de Motivos Ulos Novedosos

Planteamiento del Problema
La preservación y revitalización del Ulos, un textil tradicional del grupo étnico Batak en el norte de Sumatra, Indonesia, enfrenta un desafío dual: mantener una fidelidad estricta a la simbología cultural y las convenciones de diseño, mientras se aborda la necesidad de innovación para satisfacer las demandas del mercado contemporáneo. El tejido tradicional de Ulos está limitado por una gama estrecha de motivos existentes y un proceso de diseño intensivo en tiempo y habilidades. Los intentos previos de automatizar la generación de motivos mediante image quilting, SinGAN y StyleGAN han demostrado limitaciones. El image quilting a menudo resulta en repeticiones visibles y costuras antinaturales, fallando al generalizar elementos estructurales complejos. Si bien SinGAN y StyleGAN ofrecen una mejor transferencia de estilo, luchan por preservar la consistencia semántica e la integridad simbólica de los motivos Ulos, produciendo frecuentemente artefactos estructurales, cambios de color incontrolados o resultados que carecen de coherencia cultural. Además, estos enfoques basados en GAN son computacionalmente intensivos y requieren conjuntos de datos masivos, que a menudo no están disponibles para contextos específicos de patrimonio cultural.

Metodología
Para abordar estas limitaciones, los autores proponen un marco generativo basado en Modelos de Difusión Latente (LDM) ajustados. La metodología avanza a través de cinco etapas:

1. Recopilación y Preparación de Datos: El estudio utiliza un conjunto de datos curado de 8 de fragmentos de motivos Ulos únicos obtenidos de la plataforma DiTenun y visitas de campo, que representan a los subgrupos étnicos de Toba, Karo y Simalungun. Para compensar el pequeño tamaño del conjunto de datos, los autores aplicaron aumentación de datos (rotación, volteo, variación de brillo) para expandir el conjunto de entrenamiento a 299 muestras. Todas las imágenes fueron estandarizadas a 512×512 píxeles.
2. Selección de Modelos y Ajuste Fino (Fine-Tuning): Dos LDMs pre-entrenados, Stable Diffusion v1.4 y Protogen v3.4, fueron ajustados sobre el conjunto de datos de Ulos utilizando una estrategia de imagen a imagen (image-to-image). El entrenamiento incorporó condicionamiento de texto mediante prompts descriptivos que capturaban atributos estructurales y simbólicos (p. ej., "disposición vertical simétrica", "motivos de estrellas tejidas").
3. Configuración del Entrenamiento: Los modelos fueron entrenados durante 50 épocas con un tamaño de lote (batch size) de 2, una tasa de aprendizaje de 1.0×10⁻⁵ y el optimizador Adam. El objetivo del ajuste fino incluyó una pérdida de difusión estándar y un término adicional de "Pérdida de Motivo Ulos" para penalizar las desviaciones del espacio de características de los motivos auténticos, asegurando la coherencia cultural y geométrica.
4. Escenarios Experimentales: Los modelos fueron evaluados a través de tres escenarios de prueba específicos:
   • Escenario 1 (Manipulación Estructural): Evaluando la capacidad de alterar la forma y disposición del motivo preservando la esencia cultural.
   • Escenario 2 (Variación de Color): Probando transformaciones cromáticas precisas mientras se mantiene estrictamente la integridad geométrica.
   • Escenario 3 (Alta Complejidad): Evaluando la robustez en patrones densos e intrincados con simetría por capas.
5. Evaluación: El desempeño se midió cuantitativamente mediante la Distancia de Incepción de Fréchet (FID) y el Inception Score (IS) a través de diversos parámetros de fuerza (0.65–0.85) y escala de guía (5–19). La validación cualitativa se realizó mediante entrevistas con tres tejedores tradicionales (evaluando la viabilidad del tejido y la fidelidad cultural) y una encuesta a 30 participantes del público (evaluando el atractivo estético).

Resultados Clave
El estudio encontró que Protogen v3.4 superó consistentemente a Stable Diffusion v1.4 en todas las métricas y escenarios:

• Desempeño Cuantitativo: Protogen v3.4 logró una FID significativamente menor (~10.5 veces menor que SD v1.4 en la convergencia final) y un Inception Score (IS) más alto (2.0 veces mayor), lo que indica una fidelidad visual, diversidad y alineación superior con la distribución de los motivos Ulos reales. Aunque SD v1.4 mostró algunos valores altos de IS, su FID se mantuvo alto, sugiriendo que los motivos generados eran visualmente distintos pero estadísticamente divergentes de los patrones auténticos.
• Sensibilidad de Parámetros: Los valores de fuerza más bajos (0.65) produjeron consistentemente una mayor fidelidad (menor FID), mientras que los valores de fuerza más altos aumentaron la diversidad a costa del realismo. Se identificó una escala de guía de 5–9 como el rango operativo óptimo, proporcionando el mejor equilibrio entre fidelidad y diversidad para ambos modelos.
• Validación Cualitativa: Los tejedores tradicionales prefirieron los motivos generados por Protogen v3.4 en configuraciones de fuerza moderada (0.65–0.75), citando un mejor equilibrio estructural, trayectorias de hilos claras y adherencia a la orientación de tejido tradicional. En contraste, los resultados de SD v1.4 fueron frecuentemente criticados por la ruptura de la simetría y patrones verticales "no tejibles". Las encuestas públicas también mostraron una fuerte preferencia por Protogen v3.4, con hasta un 96.67% de los participantes en escenarios complejos favoreciendo sus resultados por su representación cultural y atractivo estético.

Significancia y Reivindicaciones
El artículo sostiene que los modelos de IA generativa cuidadosamente ajustados, específicamente los Modelos de Difusión Latente, pueden apoyar eficazmente la renovación creativa del patrimonio cultural inmaterial sin comprometer su integridad estilística o simbólica. El estudio demuestra que:

1. Continuidad Cultural: Los modelos de difusión pueden generar nuevos motivos Ulos que se extienden más allá de los repositorios existentes mientras mantienen las reglas estructurales y los significados simbólicos inherentes a la tradición.
2. Superioridad de los LDM sobre las GAN: A diferencia de los enfoques previos basados en GAN, los LDM ofrecen un mejor control semántico a través del condicionamiento de texto y producen resultados con mayor fidelidad estructural y menos artefactos, lo que los hace más adecuados para textiles complejos y simbólicamente ricos.
3. Colaboración Humano-IA: La investigación posiciona a la IA no como un reemplazo para los artesanos, sino como una herramienta colaborativa. La validación por parte de los tejedores tradicionales confirma que estos modelos pueden producir diseños que son técnicamente factibles para el tejido manual, cerrando la brecha entre la creatividad computacional y la artesanía tradicional.

Los autores concluyen que este enfoque ofrece un paradigma sostenible para la preservación cultural digital, permitiendo la reinterpretación y el avance del patrimonio textil de Indonesia en la era del diseño inteligente.