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

Resumo Técnico: IA para Têxteis de Patrimônio Cultural: Difusão Latente Ajustada para a Síntese de Novos Motivos de Ulos

Declaração do Problema
A preservação e revitalização do Ulos, um têxtil tradicional do grupo étnico Batak no Norte de Sumatra, Indonésia, enfrentam um desafio duplo: manter a fidelidade estrita à simbologia cultural e às convenções de design, ao mesmo tempo em que se aborda a necessidade de inovação para atender às demandas do mercado contemporâneo. A tecelagem tradicional de Ulos é limitada por uma gama estreita de motivos existentes e um processo de design intensivo em tempo e dependente de alta habilidade. Tentativas anteriores de automatizar a geração de motivos usando image quilting, SinGAN e StyleGAN demonstraram limitações. O image quilting frequentemente resulta em repetições visíveis e costuras não naturais, falhando em generalizar elementos estruturais complexos. Embora o SinGAN e o StyleGAN ofereçam uma melhor transferência de estilo, eles lutam para preservar a consistência semântica e a integridade simbólica dos motivos de Ulos, frequentemente produzindo artefatos estruturais, mudanças de cor descontroladas ou resultados que carecem de coerência cultural. Além disso, essas abordagens baseadas em GAN são computacionalmente intensivas e exigem conjuntos de dados massivos, que muitas vezes não estão disponíveis para contextos específicos de patrimônio cultural.

Metodologia
Para abordar essas limitações, os autores propõem uma estrutura generativa baseada em Modelos de Difusão Latente (LDMs) ajustados (fine-tuned). A metodologia procede através de cinco estágios:

1. Coleta e Preparação de Dados: O estudo utiliza um conjunto de dados curado de 88 fragmentos de motivos de Ulos extraídos da plataforma DiTenun e visitas de campo, representando os subgrupos étnicos Toba, Karo e Simalungun. Para compensar o tamanho reduzido do conjunto de dados, os autores aplicaram aumento de dados (data augmentation) (rotação, inversão, variação de brilho) para expandir o conjunto de treinamento para 299 amostras. Todas as imagens foram padronizadas para 512×512 pixels.
2. Seleção de Modelo e Ajuste (Fine-Tuning): Dois LDMs pré-treinados, Stable Diffusion v1.4 e Protogen v3.4, foram ajustados no conjunto de dados de Ulos usando uma estratégia de imagem-para-imagem (image-to-image). O treinamento incorporou condicionamento de texto por meio de prompts descritivos que capturavam atributos estruturais e simbólicos (ex: "layout vertical simétrico", "motivos de estrelas tecidas").
3. Configuração de Treinamento: Os modelos foram treinados por 50 épocas com um tamanho de lote (batch size) de 2, uma taxa de aprendizado de 1.0×10⁻⁵ e o otimizador Adam. O objetivo do ajuste incluiu uma perda de difusão padrão e um termo adicional de "Perda de Motivo de Ulos" para penalizar desvios do espaço de características de motivos autênticos, garantindo coerência cultural e geométrica.
4. Cenários Experimentais: Os modelos foram avaliados em três cenários de teste específicos:
   • Cenário 1 (Manipulação Estrutural): Avaliando a capacidade de alterar a forma e o arranjo do motivo enquanto preserva a essência cultural.
   • Cenário 2 (Variação de Cor): Testando transformações cromáticas precisas enquanto mantém estritamente a integridade geométrica.
   • Cenário 3 (Alta Complexidade): Avaliando a robustez em padrões densos e intrincados com simetria em camadas.
5. Avaliação: O desempenho foi medido quantitativamente usando a Distância de Fréchet Inception (FID) e o Inception Score (IS) através de variados parâmetros de força (0.65–0.85) e escala de orientação (guidance scale) (5–19). A validação qualitativa foi conduzida por meio de entrevistas com três tecelões tradicionais (avaliando a viabilidade da tecelagem e a fidelidade cultural) e uma pesquisa com 30 participantes do público (avaliando o apelo estético).

Principais Resultados
O estudo descobriu que o Protogen v3.4 superou consistentemente o Stable Diffusion v1.4 em todas as métricas e cenários:

• Desempenho Quantitativo: O Protogen v3.4 alcançou uma FID significativamente menor (~10.5× menor que o SD v1.4 na convergência final) e um Inception Score (IS) mais alto (2.0× maior), indicando superioridade em fidelidade visual, diversidade e alinhamento com a distribuição real dos motivos de Ulos. Embora o SD v1.4 tenha mostrado alguns valores altos de IS, sua FID permaneceu alta, sugerindo que os motivos gerados eram visualmente distintos, mas estatisticamente divergentes dos padrões autênticos.
• Sensibilidade de Parâmetros: Valores de força mais baixos (0.65) produziram consistentemente maior fidelidade (menor FID), enquanto valores de força mais altos aumentaram a diversidade ao custo do realismo. Uma escala de orientação de 5–9 foi identificada como a faixa operacional ideal, proporcionando o melhor equilíbrio entre fidelidade e diversidade para ambos os modelos.
• Validação Qualitativa: Tecelões tradicionais preferiram os motivos gerados pelo Protogen v3.4 em configurações de força moderada (0.65–0.75), citando melhor equilíbrio estrutural, caminhos de fios claros e adesão à orientação de tecelagem tradicional. Em contraste, os resultados do SD v1.4 foram frequentemente criticados por quebra de simetria e padrões verticais "impossíveis de tecer". Pesquisas públicas também mostraram uma forte preferência pelo Protogen v3.4, com até 96.67% dos participantes em cenários complexos favorecendo seus resultados pela representação cultural e apelo estético.

Significância e Alegações
O artigo afirma que a IA generativa cuidadosamente ajustada, especificamente os Modelos de Difusão Latente, pode apoiar efetivamente a renovação criativa do patrimônio cultural imaterial sem comprometer sua integridade estilística ou simbólica. O estudo demonstra que:

1. Continuidade Cultural: Modelos de difusão podem gerar novos motivos de Ulos que se estendem além dos repositórios existentes, mantendo as regras estruturais e os significados simbólicos inerentes à tradição.
2. Superioridade dos LDMs sobre as GANs: Ao contrário das abordagens baseadas em GAN anteriores, os LDMs oferecem melhor controle semântico através de condicionamento de texto e produzem resultados com maior fidelidade estrutural e menos artefatos, tornando-os mais adequados para têxteis complexos e simbolicamente ricos.
3. Colaboração Humano-IA: A pesquisa posiciona a IA não como um substituto para os artesãos, mas como uma ferramenta colaborativa. A validação pelos tecelões tradicionais confirma que esses modelos podem produzir designs que são tecnicamente viáveis para a tecelagem manual, preenchendo a lacuna entre a criatividade computacional e o artesanato tradicional.

Os autores concluem que esta abordagem oferece um paradigma sustentável para a preservação digital da cultura, permitindo a reinterpretação e o avanço do patrimônio têxtil indonésio na era do design inteligente.