第一阶段全域数据采集
多源数据统一汇聚
支持图片、视频、三维模型等上传，构建统一数据湖；针对木雕藏品、工艺技法、大师档案等多维度数据，建立标准化采集规范，实现从实物扫描、信息录入到结构化归档的全流程闭环管理。
平台定位：构建一个集数据采集、管理、分析、应用于一体的综合性平台，通过数字技术为东阳木雕的传承、保护、研究和产业赋能提供解决方案。它是所有 AI 应用的前置条件——没有可训练的数据，就没有可用的模型。
| 核心数据库 | 规划规模 / 核心数据 |
|---|---|
| 纹样库 | 规模数据量 20,000 条；核心数据：视觉特性、风格特征、语义特征。 |
| 作品库 | 规模数据量 5,000 条；核心数据：基础属性、关联属性、视觉特性、木作类型。 |
| 草稿素材库 | 设计线稿与创作草图，记录设计意图与演变过程（含线稿库，规划 20,000 条）。 |
| 工艺库 | 规模数据量 2,000 条；核心数据：通用特征、专属特性、复合材质、工艺范畴、工作流派。 |
| 红木物种溯源库 | 多维度（结构、化学成分、分子），并与处理加工数据穿透链接。 |
| 红木稳定性库 | 基础数据、处理工艺、性能表征、实验元数据。 |
| 红木循环经济库 | 原材料溯源、物料流转、产品生命周期追踪、废弃物回收再生匹配。 |
支持图片、视频、三维模型等上传，构建统一数据湖；针对木雕藏品、工艺技法、大师档案等多维度数据，建立标准化采集规范，实现从实物扫描、信息录入到结构化归档的全流程闭环管理。
人工精标为主，AI 辅助为辅；建立质控流程——标注完成的数据自动流转至审核中心，由领域专家全量核查，通过或打回；审核通过后进入入库管理，经最终合规性与完整性确认正式归档。
利用深度学习模型提取特征，存入向量数据库，为后续 AI 模型训练和智能应用提供高质量数据基础；支持相似图检索等应用。
基于向量化数据进行模型训练和应用开发，支持相似图检索、智能设计等 AI 应用；面向研究机构、创作者及公众开放分级数据服务，推动木雕数据在学术研究、文创开发、教育传播等场景的价值转化。
当前基础阶段：人工精标为主 + 通用 AI 模型预标注，兼顾准确性与效率。
中期规划：用已有高质量数据训练专属木雕领域模型，通过微调实现半自动标注，降低人工成本。
远期愿景：引入多模态大模型，实现图像内容的深度语义理解，自动生成多维度标注信息，达成全流程自动化标注闭环。
效率提升 3~8 倍；标注准确率 95%~98%；人工工作量减少 60%~85%；实现标注标准化与知识资产沉淀。
以上为规划目标值，非实测值。
打标主页、标注中心、审核中心、入库管理、团队管理、数据资产中心、任务统计、数字资产统计、通知管理。
标注环节支持定义不同标注元素间的关联关系，将孤立的信息点连接成网，形成可视化的知识图谱，挖掘文化资产背后的深层逻辑。
为什么通用模型不好用：主流 AI 图像生成模型多基于欧美语料与通用美学风格训练，生成内容趋向流行化与抽象化，缺少对非遗文化语义的深度解析能力。实际表现是——立意不够抽象、纹样衔接生硬缺少气韵；整体设计更接近实景、缺少层次；线条圆润更接近玉雕石雕，不符合木雕走刀特征，实际雕刻工艺难以实现。
预处理：Perceptual Hash 去重；针对红木特性的数据增强——CLAHE 光照归一化、多角度镜像、局部遮挡增强；U²-Net 主体分割聚焦雕刻细节。
标注维度：A 雕刻主体 / B 轮廓 / C 技法 / D 浮雕·透雕·圆雕 / E 阴刻·阳刻 / F 纹样 / G 构图密度分级。
工具选型：CVAT（自定义 XML 模板）、3D-BoW（支持旋转观察）、Label Studio（交叉验证规则）。
全局特征 EfficientNet-B4（ImageNet 预训练 + 微调）+ 局部特征 Hybrid-SIFT（改进 SIFT 结合深度特征）；在 EfficientNet 后接 SE 模块增强纹理关注；PCA + UMAP 组合降维，保留 98% 特征信息。
索引使用 Faiss 的 IVF_HNSW32 结构；混合检索策略：一级全局特征粗筛（Top200），二级局部特征精排（RANSAC 几何验证）。
在中国古代绘画「谢赫六法」理论基础上，结合木雕艺术特点，联合非遗传承人共同制定评价体系，涵盖意境表达、刀法技艺、形象塑造、材质运用、构图布局、传承创新六大维度。
多尺度特征提取：局部尺度关注刀法纹理与人物细节；中观尺度关注元素组合、构图组织与材质层次；全局尺度关注整体意境、叙事性与视觉节奏。
以 Stable Diffusion 为基础生成模型，支持文本／草图到高质量图像的生成；结合 ControlNet 增加对构图、风格（传统纹样、现代抽象）的控制能力。
微调策略：收集木雕艺术图库（传统纹样、动植物、宗教题材等）作领域适配训练；引入 LoRA 技术快速迭代不同雕刻风格（如东阳木雕、徽派木雕）。
传统算法：Canny 边缘检测 + 形态学处理（开闭运算）提取基础线稿。
深度学习增强：采用 HED（Holistically-Nested Edge Detection）或 PiDiNet 模型优化复杂纹理下的边缘提取效果。
后处理：基于 OpenCV 的线稿平滑与连接性修复，确保雕刻可行性。
将线稿转化为灰度图，灰度值对应雕刻深度（0 为背景，255 为最深）。
基于规则：根据线稿粗细和闭合区域自动填充渐变灰度（如外轮廓深、内部浅）。基于模型：训练 Pix2Pix 或 U-Net 学习从线稿到灰度图的映射关系。
高度场生成：将灰度值映射为 Z 轴高度（灰度值 × 缩放系数）；使用 Blender Python API 或 Open3D 将高度场转换为 3D 网格模型。
结合 MeshCNN 优化拓扑结构，避免模型自相交和锯齿；动态调整网格分辨率，平衡细节与计算效率。
模型修复：MeshLab 或 PyTorch3D 修复孔洞、平滑表面。
工艺适配：根据雕刻机参数（刀具直径、材料硬度）自动调整模型最小细节尺寸。轻量化：通过网格简化算法（Quadric Error Metrics）降低模型面数。
工艺参数化：把红木雕刻中的传统工艺标准抽象为可计算的参数表达——通过提示词嵌入参数（如 depth:10mm），或训练专用 LoRA 模型关联参数与生成结果。
将影视动漫中的标准 3D 模型（如哪吒形象）一键转为机雕文件，实现「从 IP 到产品」的快速落地。
支撑年轻人深度参与创作，培育「数字木雕师」这一新职业。
利用多切面木材图像采集 + 深度学习训练智能识别模型，基于 MobileNetV3 的图像分类，准确率达 85% 以上；未来对接国家检测中心，实现线上 + 线下双认证，为交易环节构建信任基础。
基于行业知识图谱构建大模型语言系统，用户可与「木雕导览助手」语义对话；系统按后台知识图谱生成个性化、结构化回答，可同时给出雕刻技法分析、风格分析（如推测风格与冯文土、陆光正等大师较为接近）与纹样文化寓意分析。
通过点云重构与纹理融合，对非遗工艺场景、家具结构、雕刻过程进行毫米级采集，构建数字体系，实现在 VR / AR / Web 多端同步复现。
基于扩散模型的文生视频大模型，在国产算力平台上训练，可面向文旅场景微调生成指定景点视频，用于沉浸式文旅体验内容的生产。
支撑木雕数字化的学术能力，来自北京大学计算艺术实验室——它的核心命题是：如何让 AI 真正理解中国美学，而不是用西方语料模仿东方形式。
2019 年成立，立足中国文化语境，致力于发展具有中国特色的计算美学与艺术智能研究；构建本土艺术数据库，培育融合中国文化底色与当代表达的生成算法与艺术语言，推动人工智能审美体系的中国化。
构建「数据采集—智能计算—创新应用」闭环，通过「数据—算法—场景」三维协同，推动传统艺术创作模式向人机共生范式转型。
1918 年，蔡元培在北京美术学校开学式演说中提出图案（设计）与绘画平行发展——这是中国教育家对于设计教育最早的体系性论述；1923 年北大造型美术研究会把图案列为研究内容。
2019 年计算艺术实验室成立；2023 年北京大学建立创意设计与艺术管理系，并增设艺术史论专业（计算艺术与设计方向）。
以南齐「谢赫六法」的绘画理论体系为基础，把「鉴、绪、读、赏」四种鉴赏模型定量化，得到欣赏一幅画的计算评判依据；创新性提出艺术作品的定量化描述、自动化分类、风格化生成等方法。
成果落地为图像智能生成与交互平台「道子 AI」，生成图像具备可辨识的中式视觉特征。
国内首个以中国传统审美为立场建立的多模态大模型审美评测框架与基准。
面向全球活跃的大语言模型进行中式审美评测，将「气韵、意境、留白」等抽象美学概念转化为可量化、可计算的指标体系。
提出融合美术专业知识的紧凑视觉描述子，研制「以图搜图」的美术作品图像检索比对引擎，实现投稿作品内容的智能查重与甄别审核。
系统建立包含 280 万件作品的动态数据库，实现视觉特征描述准确度 92.5%、语义关联匹配度 88.3%；中国美术家协会已稳定运行六年，每年组织 10 余次赛事，每次平均约 3,000 余件作品通过该系统处理。
梅宏院士任东阳木雕科技创新联合体学术顾问；高文院士团队（AVS 先进视觉研究中心）为项目立意提供学术指导；马思伟教授在「两体两院」揭牌大会作专项报告；高峰博士任东阳木雕计算艺术研究中心主任。
北大信研院为东阳木雕科技创新联合体副理事长单位；与广厦大学挂牌共建东阳木雕计算艺术研究中心。
设计效率革命：传统 15 天的包装设计周期压缩至 1 小时内，自动生成符合印刷标准的刀版图。
产业规模效应：平台已服务超 8,000 家企业、30 万个人用户，显著降低中小企业的设计门槛。
数据集建设：主导建成国内首个覆盖包装全产业链的 AIGC 专用数据集。
标杆认证：入选杭州市 2025 年「人工智能+」标杆型应用场景示范项目；大胜达依托该平台入选工信部 2025 年度国家卓越级智能工厂。
对木雕项目的直接支撑：证明「构建行业数据集 → 训练专用模型 → 落地产业平台」这条路径可以走通，木雕项目可复制这一路径——构建木雕纹样数据集 → 训练专用 AI 设计模型 → 开发 C2F 交易平台。
梅宏院士团队：泛在操作系统理论，为 C2F 平台多源异构数据集成提供核心支撑。
高文院士团队：AVS 标准与 AI 文化融合主张，为项目立意提供学术指导。
产业数字化赋能中心：自研灵犀 AI 平台，已在多家制造企业实现效率提升 30%~300%。
微纳核芯：全球首创三维存算一体 AI 芯片技术，为边缘侧 AI 推理提供算力保障。
图录总库现有 3,797 张经来源登记的木雕图像，其中 1,111 张为「东阳出品」，用于本页配图。每张都标明来源站点、所在页面、地域归属与来源等级（公众号 / 权威 / 媒体 / 参考），可逐图回溯。
五 · 赋能与资产本页是这一组的第 1 篇（共 1 篇）。通读顺序按六组走：先看结论，再看现状、价值与身份、基础与传承、方法与数据，最后看赋能与资产。