Culture-inspired Multi-modal Color Palette Generation and Colorization: A Chinese Youth Subculture Case
本文通过构建独特的中国青年亚文化（CYS）数据集并开发一个交互式多模态框架以生成具有文化特异性的配色方案并执行自动上色，从而解决了现有色彩生成研究中缺乏文化考量的问题，该框架通过人机协同演示系统和用户研究得到了验证。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象你有一幅城市街道的黑白素描。如果你请一位传统艺术家为它上色，他们可能会使用柔和、自然的色调。但如果你请某个特定、潮流的青年群体成员为同一条街道上色，他们可能会在建筑物上涂上霓虹绿，在天空中涂上热粉色。对他们而言，这种色彩冲突并非“丑陋”，而是酷、叛逆且充满意义的。
本文旨在教会计算机理解这种特定的“氛围”。研究人员与中国青年亚文化（CYS）合作，构建了一个系统，该系统并非仅依据规则挑选颜色，而是基于文化来挑选。
以下是他们工作的简要说明，辅以简单的类比：
1. 问题：计算机“文化性失聪”
将现有的色彩工具（如 Photoshop 或设计应用中的工具）想象成一位只会烹饪一种食物的厨师：“标准国际菜系”。如果你请他们做一道辣味的川菜，他们可能只会加一点盐，因为他们不理解“辣”的概念。
本文认为，当前的 AI 色彩工具就像这位厨师。它们忽视了文化。例如，在传统中国理论中，混合红色和绿色是时尚灾难。但对于中国青年亚文化而言，这种红绿搭配恰恰是叛逆和酷的象征。旧的 AI 不懂这个梗；新的 AI 必须懂。
2. 解决方案：“文化词典”（数据集）
为了教会 AI 这种新语言，研究人员不能仅仅喂给它随机图片。他们必须构建一个特殊的图书馆，或者说一本"文化词典"。
- 收集：他们上网浏览了中国 Z 世代（如朋克、嘻哈和电子乐场景）流行的网站，亲手挑选了 1,263 张真正体现该亚文化气息的图片。
- 素材：对于每张图片，他们不仅保存了图片本身，还保存了：
- 5 种主色（调色板）。
- 描述图片的文本（如“邪恶”或“阳光趣味”）。
- 类别（如“朋克”或“嘻哈”）。
- 人文介入：他们并非让计算机直接挑选前 5 种颜色。真实的设计师审视了这些图片，挑选了 5 种感觉上最符合该特定亚文化的颜色，即使这些颜色在图片中并非最常见。这确保了捕捉到的是文化的“灵魂”，而不仅仅是数学统计。
3. 引擎：两步走的“色彩厨师”
研究人员构建了一个机器学习系统，其运作方式像是一个双人厨房团队：
- 厨师 A（调色板生成器）：这位厨师查看你的请求（一张黑白照片、一段文本描述以及一个类别，如“电子乐”），然后说：“好的，针对带有‘混乱’一词的电子乐氛围，我们需要这 5 种颜色。”它拥有一个“条件式”大脑，意味着它在挑选颜色前会听取你所有的提示。
- 厨师 B（着色器）：一旦厨师 A 交出这 5 种颜色，厨师 B 便拿着黑白照片，仅使用这些颜色进行上色，确保最终图像看起来属于该特定亚文化。
4. “人在回路”（品鉴师）
该系统并非单向运作。研究人员构建了一个演示版，让人类可以调整结果。
- 你向系统输入提示。
- 它为你生成一张彩色图像。
- 你如果不喜欢这些颜色，可以进行调整。
- 系统会记住你的调整。这就像一个从你的修正中学习的学生：“哦，用户不喜欢那种蓝色；下次我会选深一点的。”这有助于 AI 随时间推移变得更聪明。
5. 效果如何？（品鉴测试）
为了证明他们的系统确实理解了文化，他们进行了一项测试：
- 他们选取了 20 个中性关键词，请标准工具制作调色板。
- 他们请新的“文化 AI"为相同的关键词制作调色板。
- 他们将结果展示给四位专业设计师，并询问：“哪一个感觉更像中国青年亚文化？”
结果：设计师在调色板选择上 75% 的时间选择了 AI 的文化启发式方案，在最终彩色图像上 76% 的时间做出了同样的选择。AI 成功学会了该亚文化的“秘密配方”。
结语
本文并非旨在一夜之间改变整个设计界。它旨在表明文化至关重要。你不能只教计算机成为一位色彩师；你必须教它成为一位文化色彩师。通过构建特定的数据集和智能的两步系统，他们证明了 AI 可以学会用特定群体的那种独特、叛逆且充满活力的色彩进行创作。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。