AI Agent 如何改变人机协作？空间计算还能带来哪些新的交互方式？传统文化又能如何借助生成式 AI 实现创新表达？这些高校研究团队正在探索的问题，也为设计专业保研提供了值得关注的研究方向。
对于保研同学来说，论文不仅能帮助大家了解目标院校与导师的研究方向，也能为作品集选题、项目深化提供思路。通过阅读已有研究，还可以发现值得进一步探索的问题，让自己的项目在设计实践之外，也有更明确的研究切入点。
朝菌为大家整理了今年清华、同济等高校发表的相关论文，围绕AI与智能交互、智能产品、AR/VR、机器人、智能材料、文化创新等主题展开整理。希望通过这些具体的研究案例，帮助大家了解当前设计交叉领域的探索方向，也为后续的备考与研究选题提供一些思路。
AI与智能交互
从内容生成到设计决策
人工智能与交互设计的结合，正在从单一的指令输入、内容生成，逐渐延伸到更复杂的人机协作过程。一方面，多模态大语言模型与AI Agent开始参与复杂任务执行和设计工作流，系统需要理解界面信息、记忆任务进度，并根据不同情境采取行动；另一方面，AI也在影响人的创作与决策过程，如何理解用户的隐含需求、提供适当的反馈，以及避免模型的回答对用户判断产生不良影响，成为新的研究问题。
从这些研究中可以看到，AI 与智能交互关注的不仅是模型本身的能力，还包括技术如何融入人的工作与生活，以及人如何理解、使用和控制智能系统。
UI-Lens:给AI出张UI质检考卷
UI-Lens 是一个用于评估多模态大语言模型（MLLMs）界面质量检测能力的研究项目，旨在探索 AI 自动发现 UI 显示问题的可能性。研究围绕文字溢出、内容裁切、容器重叠、内容缺失、异常省略和文字不一致六类缺陷展开，通过中英文界面测试模型识别和判断问题的能力。
研究发现，当前模型在识别文字溢出、容器重叠，以及判断不同页面之间的信息是否一致等任务上仍存在明显局限。看懂界面中的文字和控件，并不意味着能够准确判断界面是否存在显示问题。
从交互设计的角度来看，界面质量检测可以从单纯检查视觉呈现，进一步拓展到对信息完整性、组件布局和跨页面一致性的系统检查。除了利用 AI 辅助发现界面缺陷，还可以思考如何建立更全面的 UI 质量评估标准，让界面检查从依赖人工经验逐步走向系统化、自动化。
会反思的GUI智能体
!Image
当AI需要连续完成多个手机操作时，前一步的失误可能影响整个任务，而仅依赖当前屏幕做判断，也很难有效利用过去的经验。针对这一问题，研究提出了一种结合双层记忆与多轮辩论的 GUI 自动化方法：系统将通用操作知识与具体任务的历史经验分别存储，在执行新任务时调用相关记忆，并让多个 AI 智能体围绕操作方案展开多轮讨论，检查潜在问题，再根据反馈调整执行计划。
这项研究尝试将经验积累与决策检查结合起来，让 AI 不仅能够执行操作，还能借助过去的经验改进后续决策，并在行动前发现计划中的潜在错误，为完成订票、购物等长流程手机任务提供了新的实现思路。
IEvoAgent：让AI读懂你的潜台词
用户不一定会直接评价 AI 的回答好不好，但后续行为往往会透露真实想法。例如，反复修改问题、补充要求或纠正回答，都可能说明 AI 没有准确理解需求。IEvoAgent 尝试利用这些隐性反馈，让对话智能体在持续交互中不断调整。
该研究将用户的隐性反馈转化为可供智能体学习的信息，并结合离线偏好对齐与实时提示词调整：前者帮助 AI 学习用户相对稳定的偏好，后者则根据当前对话中出现的新反馈，动态调整后续回答策略。
通过这种方式，AI 不再只根据单次指令生成回答，还能从长期交互中逐步积累对用户偏好的理解，并据此改进后续回应，让对话体验更贴合不同用户的习惯与需求。
超越输入输出：通过类比设计重新思考人机协作中的创造力
生成式 AI 能够快速生成设计方案，但如果设计师总是围绕相似的提示词和已有案例进行创作，最终的结果也容易趋于雷同。针对这一问题，研究重新梳理了「类比设计」的方法，即从不同领域寻找可借鉴的原理、结构和解决思路，再将其转化为新的设计方案。
研究团队系统分析了85项相关研究，将类比设计拓展到从问题定义、灵感探索到方案生成与评估的完整创作流程，并归纳出六类知识表征形式和七个创作阶段。研究指出，类比不应只用于最初的灵感搜集，还可以贯穿整个设计过程，帮助设计师跳出已有思路的限制，探索不同领域之间的联系。
例如，设计师在构思公共空间时，可以借鉴自然生态系统的组织方式；在设计信息交互时，也可以从游戏规则或社会协作机制中寻找灵感。关键不在于直接复制其他领域的形式，而在于理解其背后的原理，并将其转化为适合当前问题的设计方法。
上下滑动，查看更多
智能产品与可穿戴设备
让交互融入真实生活
智能产品的交互方式正逐渐突破传统屏幕的限制，延伸到手势动作、身体状态与环境感知等多个维度。相关研究从新型传感技术和输入方式出发，探索如何识别用户动作、感知使用情境，并将这些信息转化为更自然的交互反馈。对于设计专业的同学来说，这些研究也提供了新的思路：当交互不再局限于屏幕，戒指、眼镜等日常穿戴设备，以及声音、气流等环境线索，都可能成为连接用户与智能系统的媒介。
TraceRing：通过个性化学习实现戒指式光标控制!Image!Image
TraceRing 是一种基于惯性测量单元（IMU）的智能戒指交互系统，能够通过手指运动控制屏幕上的二维光标。传统的戒指式指向设备在追踪手指运动时，容易受到传感器信息有限、用户动作习惯不同等因素的影响，难以准确还原指尖的移动轨迹。
为此，TraceRing 引入个性化学习方法，根据用户的运动特征调整光标预测方式，使系统能够适应不同用户的手指动作习惯，减少对单独校准的依赖。通过这一设计，用户可以利用佩戴戒指时的手指运动，实现类似触控板的二维指向操作。
TraceRing探索了如何在传感器信息有限的情况下，通过算法适应不同用户的动作特征，提高光标控制的准确性。这也为基于手部动作的可穿戴输入设备提供了一种具体的技术实现思路。
3DRing：利用智能戒指与低帧率摄像头实现三维手部追踪
现有的 AR/VR 手部追踪技术通常依赖高帧率摄像头持续捕捉手部运动，计算开销较大，也会增加移动设备的能耗。3DRing 尝试将一个搭载惯性测量单元（IMU）的戒指与低帧率光学感知结合起来，在减少摄像头采样的情况下，仍然追踪手部在三维空间中的位置。
系统主要包含两个部分：首先，通过深度扩展卡尔曼滤波器融合戒指采集的运动数据与低帧率摄像头信息，预测连续的手部运动；其次，利用强化学习，根据手部运动状态动态选择需要进行光学校准的关键时刻，减少不必要的图像采集。
在三维目标选择实验中，系统仅使用平均每秒 6.61 帧的光学数据，便实现了约 1.75 厘米的实时追踪误差，交互效率达到 Meta Quest Pro 高帧率追踪系统的 86%。这项研究表明，通过融合不同类型的传感器数据，并动态调整校准时机，可以在降低感知与计算开销的同时，保留一定精度的三维手部追踪能力，为轻量化 AR/VR 设备中的空间交互提供了技术思路。
MagFace：智能眼镜如何通过磁传感器识别面部动作
在骑行过程中，用户很难直接操作手机或触摸屏幕，而语音控制又容易受到风噪和环境噪声的干扰。MagFace 探索了一种新的交互方式：通过低功耗磁传感器识别用户的面部动作，让骑行者能够在不直接接触设备的情况下发出控制指令。
这套系统将磁传感器集成到骑行眼镜中，通过检测面部动作引起的磁场变化来识别不同的面部手势。与依赖摄像头的面部动作识别方式相比，这种方案不需要持续采集面部图像，同时能够降低对光照条件的依赖。研究重点还包括如何减少骑行过程中头部运动、环境干扰等因素对识别结果的影响，从而提升真实使用场景中的识别稳定性。
这种设计将面部动作转化为一种可穿戴交互输入，使用户能够在双手需要保持握持车把的场景下，通过简单的面部动作与设备进行交互，也为智能眼镜探索非视觉、低功耗的交互方式提供了新的思路。
利用外围交互提升驾驶员态势感知与任务效率
在 L3 级自动驾驶场景中，驾驶员可以在一定条件下进行阅读、打字等非驾驶任务，但注意力转移后，也可能无法及时掌握周围交通状况。针对这一问题，研究尝试利用视觉之外的感官传递驾驶信息，让驾驶员在专注其他任务时，也能感知车辆和道路环境的变化。
研究设计了两种辅助交互方式：一种通过气流传递自动驾驶车辆的预期行为，例如车辆即将转向或采取其他动作；另一种通过环绕声传递周围道路参与者的信息。研究团队在驾驶模拟器中开展了两组实验，比较单独使用气流、环绕声，以及结合两者时的效果，并进一步考察不同任务难度下的表现。
实验结果表明，气流和环绕声都能提升驾驶员对交通环境的感知能力，两者结合的效果最好。在较难的非驾驶任务中，组合方式的优势更加明显，同时也有助于降低主观工作负荷、改善用户体验。这说明，驾驶信息不一定都要通过屏幕呈现，也可以利用气流和声音等感官通道，帮助驾驶员在处理其他任务时保持对交通状况的感知。
AI如何结合驾驶场景分析与抬头显示，提前提示潜在风险？
现有驾驶风险检测系统通常更擅长判断车辆是否可能发生碰撞，但对于一些尚未形成直接碰撞威胁的道路情况，例如路边行人可能突然横穿马路，往往难以准确评估其行为意图和潜在风险。Visionary Co-Driver 将大语言模型（LLM）引入驾驶辅助系统，尝试识别这类不易通过传统碰撞检测方法判断的风险。
系统首先通过计算机视觉技术提取道路场景中的目标位置、距离和运动等信息，再将这些信息转化为文本描述，交由大语言模型分析道路参与者可能采取的行动及其风险。随后，系统结合驾驶员的视线信息，通过抬头显示器（HUD）动态呈现风险提示，帮助驾驶员注意到可能被忽略的道路情况。
研究通过包含 41 名驾驶员的用户实验评估了系统效果。结果表明，该系统能够提升驾驶员对潜在道路风险的感知，并帮助他们识别相关危险情况。这项研究展示了大语言模型在驾驶辅助中的一种应用方向：结合场景信息推理与自适应视觉提示，帮助驾驶员发现那些尚未构成直接碰撞、但仍值得警惕的潜在风险。
上下滑动，查看更多
AR/VR与空间交互
重新设计人与数字内容的关系
AR、VR与空间计算正在拓展数字内容的呈现方式，也改变了人们在虚拟与现实环境中的操作和体验。相关研究涵盖二维与三维空间之间的跨设备协作、沉浸式场景的编辑与生成、虚实结合的原型设计，以及面向生态教育和公共空间的体验探索。对于交互设计而言，这些研究不仅涉及如何构建空间环境，也关注用户如何在其中理解信息、操作对象，并与周围环境建立联系。
ImmersiProtor：融合空间交互与 AR 投影的 AI 协作原型设计!Image!Image
在产品概念设计阶段，实体模型能够让设计师直观地感受产品的形态与结构，但修改成本较高；生成式 AI 可以快速生成多种外观方案，却难以直接与实体模型结合，也不容易精细调整某个局部。ImmersiProtor 将空间增强现实（SAR）与生成式 AI 结合，探索如何让设计师在实体模型上直观地查看、修改和比较不同的设计方案。
设计师首先制作实体原型，再通过 AI 生成分层的数字设计内容，将生成结果从多个视角投影到实体模型上，使实体形态与数字外观相互结合。系统还支持按组件生成和调整设计，并通过协作平台让团队成员分别探索不同方案，再共同讨论和整合设计结果。
研究通过设计用户实验评估了这一工具。结果显示，与单独使用生成式 AI 的设计方式相比，实体模型与 AI 生成相结合的方式能够更好地支持设计协作、方案表达与创意探索。其核心价值在于将实体模型的直观感知、AI 生成的快速迭代和多视角空间展示结合起来，让设计师能够围绕同一个实体原型持续探索不同的设计方案。
Roomify：如何利用空间信息改造 VR 环境的整体风格？
在 VR 环境设计中，改变房间的视觉风格，通常需要重新调整墙面、家具、装饰等多个元素。如果只对单个物体进行修改，生成结果可能与房间的整体布局和空间关系不协调。Roomify 探索了一种基于空间信息的虚拟环境风格转换方法，让用户能够在保留原有空间结构的基础上，改变整个房间的视觉风格。
系统结合房间的空间布局、物体的位置及其相互关系，生成与场景结构相适配的风格化结果。与单纯替换纹理或修改单件家具不同，这种方法更关注不同物体之间的协调性，以及生成结果与真实空间布局的匹配程度，使风格转换能够融入完整的沉浸式环境。
这项研究关注的是如何将空间结构信息纳入虚拟环境的生成过程，让用户在改变场景风格时，不必从头搭建整个空间。对于 VR 空间设计、虚拟场景搭建和沉浸式内容创作而言，这种思路有助于探索更直观的环境定制方式。
The Wetland Quest：通过 VR 湿地探索提升公众对城市两栖与爬行动物的认知
城市中的青蛙、蜥蜴等两栖和爬行动物（herpetofauna）是城市生态系统的重要组成部分，但由于缺乏接触机会、外形引发的负面印象等原因，它们往往不容易获得公众的关注。The Wetland Quest 通过构建沉浸式 VR 湿地探索体验，让参与者进入虚拟生态环境，观察相关动物及其栖息地，学习物种知识，并进一步理解它们在生态系统中的作用。
这项设计将虚拟环境探索与自然教育相结合，让用户不只是通过文字和图片获取知识，还可以在模拟的湿地空间中主动观察和发现。研究关注这种沉浸式体验能否帮助参与者加深对城市两栖与爬行动物的了解，并提升对这些动物的共情与保护意识。
这一设计将 VR 从单纯的沉浸式展示工具拓展为生态教育的体验媒介，通过空间探索和情境化学习，让用户在认识物种的同时，进一步理解城市生物多样性保护的意义。
BernO：通过呼吸控制实现 VR 中的空间气味交互!Image
在虚拟现实（VR）中，视觉和听觉能够营造沉浸感，但嗅觉体验仍相对有限。气味不仅能够传递环境信息，还能与虚拟场景中的位置和用户行动建立联系。如何让用户在 VR 中主动探索气味，并感知气味在虚拟空间中的分布，是这项研究关注的问题。
BernO 的核心设计是利用用户自然吸气时产生的气流输送气味，无需依赖额外风扇或气泵。系统可以动态调节气味浓度，并设计了两种气味呈现模式：一种通过连续的浓度变化表达气味与目标位置的距离，另一种模拟自然环境中断续、波动的气味扩散过程。
研究通过用户实验评估了气味浓度辨别、方向定位、距离定位和虚拟空间搜索等任务。结果显示，两种模式各有侧重：连续浓度梯度更有利于定位准确性，而模拟自然扩散的气味模式在真实感和任务完成速度方面表现更好。BernO 将呼吸行为、气味反馈与 VR 空间信息结合，为虚拟环境中的嗅觉交互提供了新的实现方式。
上下滑动，查看更多
机器人与情感交互
技术如何回应人的需求
随着机器人与智能体逐渐应用于教育、养老照护、家庭生活和工作场景，研究关注点也从任务执行延伸到人与智能系统之间的情感联系和社会互动。相关研究涉及机器人如何参与特定人群的日常活动、智能体如何提供信息与情感支持，以及记忆、触觉等交互机制如何影响用户的体验与信任。这些探索也让设计师进一步思考：面对不同年龄、能力和生活情境的用户，如何设计更贴合实际需求的人机交互方式。
带机器狗去公园：通过真实场景中的机器人互动训练自闭症儿童的共同注意力!Image!Image
共同注意力是指人与他人共同关注同一个物体或事件的能力，例如跟随他人的视线寻找目标，或通过指向动作与他人分享关注。在自闭症儿童的社交沟通发展中，共同注意力是一项重要能力，但传统训练往往发生在诊室或结构化环境中，儿童学到的互动技能不一定容易迁移到日常生活。
这项研究设计了一种四足机器狗辅助训练方案，将机器人带入公园等自然环境，让儿童在散步、观察周围事物和与机器人互动的过程中练习共同注意力。机器狗不仅作为吸引儿童注意力的对象，也通过移动、朝向和对环境的响应，引导儿童关注周围的人与事物，使训练融入更自然的活动情境。
这项设计将社交能力训练与户外探索结合起来，尝试借助四足机器人的行动能力和互动特征，创造更贴近日常生活的练习机会。它关注的不只是儿童能否回应机器人的动作，还包括机器人能否帮助儿童将注意力从机器人本身延伸到周围环境，并为人与机器人共同参与的自然情境训练提供新的设计思路。
Pika：为平台司机设计的社交支持智能体
网约车和外卖等平台工作具有工作时间不固定、工作地点不断变化、与同事缺乏持续联系等特点，司机在工作中容易感到孤立，也不容易获得及时的情感支持。Pika 探索如何通过一个社交支持智能体，改善平台司机的工作体验，为他们提供情感陪伴和日常交流的机会。
这项设计关注的并非单纯提高接单效率，而是司机在工作过程中的社会与情感需求。通过将智能体融入司机的工作情境，Pika 尝试为司机提供交流、表达感受和获得支持的渠道，让技术在完成工作任务之外，也能回应灵活就业者的情感需求。
这项研究提醒我们，面向特定职业群体设计智能体时，除了考虑功能是否实用，还需要理解用户的工作环境、社交关系和情绪体验。对于长期独立工作、缺乏同伴交流的群体，社交支持也可以成为智能体设计的重要方向。
MojiKit：从宠物行为到机器人情感交互设计
宠物会通过靠近、摇尾巴、蜷缩身体等动作表达亲近、安慰或玩耍的意图。设计具有情感表达能力的陪伴机器人时，设计师也希望借助类似的动作传递情绪，但这些行为往往依赖个人经验进行构思，缺乏系统的设计参考。
MojiKit 是一套用于辅助情感化机器人设计的工具包。研究团队分析了 65 段人与宠物互动的视频，并结合动物行为学文献和访谈，将相关行为及其可能传达的情感整理成设计参考卡片。在此基础上，团队还开发了仿生机器人原型 MomoBot 和无代码行为控制界面，让设计者能够组合不同动作，实时调整机器人的行为表现。
在 18 名参与者的共创工作坊中，参与者借助这套工具设计出了 35 种情感交互模式，其中一些超出了他们原有的养宠经验。研究表明，将行为资料、实体机器人和可视化控制工具结合起来，能够降低机器人交互设计的技术门槛，帮助设计者探索更多情感表达方式。
面向老年照护的社交机器人触觉设计!Image
随着社交机器人逐渐进入老年照护与陪伴场景，如何通过触觉交互让机器人更安全、亲切地回应老年人的需求，成为值得探索的设计问题。现有研究往往更关注柔性材料与形变技术的实现，而对如何围绕老年人的生活需求和情感体验开展设计探索关注不足。
这项研究提出了一套用于早期概念设计的共创工具，包括分阶段设计流程、48张设计卡片和统一的机器人形态板，帮助参与者探索社交机器人可以如何通过触摸和形变与人互动。研究团队组织了4场工作坊，邀请12位不同专业背景的参与者，以家庭照护者或老年人代理人的身份参与设计，最终形成18个概念方案。
研究将这些方案归纳为四类：功能辅助、生理调节、情感陪伴和触觉游戏。这套方法将触觉界面设计从材料与技术层面的探索，进一步延伸到老年人的照护需求与日常体验，为面向老年群体的社交机器人提供了早期设计思路。
上下滑动，查看更多
智能材料与实体交互
让产品本身成为交互界面
智能产品的交互不再局限于屏幕与按钮，材料特性、结构变化和触觉反馈也能参与信息传递与用户操作。相关研究将数字化制造、动态结构与实体交互相结合，探索如何把感知能力融入产品结构，以及如何通过形变、气动驱动和多感官反馈拓展交互方式。这些研究为可变形界面、智能材料和新型实体交互设计提供了更多可能。
WeavePrint：将传统编织结构转化为可编程的 3D 打印材料!Image!Image
传统织物可以通过不同的编织方式形成独特的纹理与力学特性，但如何利用 3D 打印实现类似的结构，并进一步控制材料的弯曲、扭转和伸缩行为，是一个值得探索的问题。
研究提出了 WeavePrint，一种基于参数化编织结构的多材料增材制造方法。系统能够生成平纹、斜纹、缎纹等编织结构，也可以将图像转化为提花图案，并映射到曲面上。研究团队通过拉伸与压缩测试，分析编织重叠长度、线材宽度及材料组合对结构力学性能的影响，并设计出弯曲、扭转、弧形伸缩和铰链式伸缩四类可控运动模式。
研究还展示了该方法在可穿戴支撑装置、机器人部件和康复设备中的应用。WeavePrint 将传统编织逻辑与参数化建模、多材料 3D 打印结合，让打印结构不仅能够呈现织物般的形态，也能通过编织路径和材料配置实现可预测的形变，为可编程柔性材料与交互式产品设计提供了新的制造方法。
Xspine：将运动感知融入可变形的 3D 打印结构
传统交互产品通常需要额外安装传感器，才能感知弯曲、扭转等形变。这项研究探索了另一种思路：能否直接将运动感知能力融入结构本身，让物体在发生形变时同步产生可供识别的信号？
研究提出 Xspine，通过多材料熔融沉积成型（FDM）3D 打印，将动态结构与感知功能整合在同一个部件中。设计者可以通过调整结构形态与材料配置，使结构在运动过程中产生相应的感知信号，从而减少对独立传感器组件的依赖。
为了降低使用门槛，研究还开发了交互式设计工具，用户可以从已有的 3D 模型出发，设置形变方式、预览结构运动，并自动生成可打印的电路布局。研究通过电路性能与重复形变测试评估感知的稳定性，并展示了游戏控制器、可调力装置、感知型台灯和机器人等应用。Xspine 的关键在于让结构本身同时承担运动与感知功能，为可变形交互装置、实体交互产品和机器人部件提供了一种集成式的设计与制造方法。
DuoMorph：结合 3D 打印与气动驱动的可变形交互界面
DuoMorph 将 FDM 3D 打印与气动驱动结合，用于制作能够主动改变形状的交互界面。传统气动装置通常需要单独制作气囊和模具，制造流程相对复杂；这项研究则探索如何让打印结构与气动元件相互配合，使结构既能推动形变，也能限制和引导形变。
研究提出了四类结构与气动元件的组合方式，并开发了配套设计工具，可以建模并生成整合后的打印代码。制造时，研究者先利用热封形成气动元件，再直接在其上打印结构；整个流程使用标准 FDM 打印机完成。
研究通过多种应用原型展示了这种方法的效果，其中包括一款含羞草启发的交互雕塑：受到触碰时花朵会收拢，静置后则重新绽放。DuoMorph 的价值在于将结构设计、气动驱动和制造流程整合起来，让设计者能够更灵活地制作具有可控形变能力的实体交互界面。
上下滑动，查看更多
文化遗产与文化创新
传统文化如何进入新的媒介
数字技术正在为传统文化的保护、研究与创新表达拓展新的路径。相关研究涵盖古代绘画修复、传统水墨的三维创作、生成式 AI 参与文化遗产创作，以及数字制造辅助传统工艺研究等方向，关注如何借助新的技术工具呈现传统艺术的形式与内涵，也探讨文化知识在数字化转化过程中可能面临的理解偏差与表达问题。
从传统工艺到数字修复：古代中国绘画修复技艺的智能传承!Image
中国古代绘画的修复不仅需要弥补画面缺损，还涉及对原作材料、笔触、设色与传统修复工艺的理解。传统修复高度依赖专业经验，修复过程也面临技艺传承与数字化保存的挑战。这项研究关注如何借助智能技术，将传统书画修复知识与数字修复流程相结合。
研究团队开发了 AI 辅助修复系统 InkRenew，以深度学习模型为基础，结合不同朝代、画家风格与笔法特征，为缺损区域生成符合传统绘画风格的修复参考。系统主要聚焦数字化补绘，用户上传画作并选择相应风格后，即可获得生成结果，辅助判断如何补全缺失的画面内容。
研究邀请34名初学者参与对照实验，比较使用 AI 辅助系统与传统方式进行修复的效果。结果显示，InkRenew 在修复效率、准确性和操作体验方面表现更好，也能为初学者提供学习参考。研究的重点不只是用 AI 补全古画，还在于将传统修复知识融入数字工具，让专业经验更容易被记录、学习和传承。
3DInkGen：将中国水墨画转化为可编辑的三维艺术作品
传统水墨画强调笔触、墨色和意境，但将二维水墨画转化为三维作品，需要同时掌握三维建模与水墨艺术表现技巧，创作门槛较高。如何让没有专业建模经验的初学者，也能将传统水墨画的视觉元素转化为具有空间结构的数字艺术作品？这是研究关注的核心问题。
研究团队开发了生成式创作系统 3DInkGen，将创作过程分为四个阶段：元素提取、形态生成、三维重建和风格迁移。用户可以从传统水墨画中提取感兴趣的元素，再通过笔刷绘制轮廓，由 AI 根据草图生成新的形态，进一步重建为可交互的三维结构，最后将不同水墨画家的笔触、墨色层次等风格特征应用到作品中。用户能够分别调整形态与风格，而不必从头完成复杂的三维建模。
研究邀请16名没有相关专业经验的参与者进行创作，并请专家评价生成作品。结果表明，与传统计算机图形学创作流程相比，3DInkGen 降低了三维水墨艺术的创作门槛；专家评价也认可作品在形态结构与水墨风格上的表现。这项研究展示了生成式 AI 如何将传统艺术的视觉语言转化为可操作的创作工具，让初学者也能探索水墨艺术在三维空间中的表达。
Fix or Fake？生成式 AI 文化遗产创作中的偏差与抉择
生成式 AI 能够快速生成文化遗产相关的视觉内容，但也可能混淆不同历史时期、地域风格与文化元素，影响作品的准确性。面对这些问题，创作者会如何判断和处理 AI 生成的文化偏差？
研究以敦煌文化为主题，邀请25名艺术与设计背景的参与者开展 AI 视频创作工作坊，并通过观察与访谈分析他们的创作过程。研究发现，创作者会通过修改提示词、手动调整和查阅历史资料等方式修正偏差，也可能因修正成本过高而选择妥协。研究指出，文化遗产生成工具除了提升创作效率，也需要提供可靠的文化参考与更精细的风格控制，帮助创作者兼顾生成效率与文化准确性。
上下滑动，查看更多
最后
对于设计专业的同学来说，阅读前沿论文的价值，不只是了解某项新技术或积累几个设计案例，更重要的是看到研究者如何从真实问题出发，将技术、用户需求与设计实践联系起来。
备考过程中，可以尝试把感兴趣的论文与目标院校的研究方向、自己的专业课学习或作品集项目结合起来：考研同学可以从中积累论述素材，拓展设计思路；保研同学则可以进一步思考，现有研究还存在哪些值得探索的问题，以及这些问题能否转化为自己的项目方向。
当然，论文推荐只是一个起点。想真正理解一项研究，还需要进一步阅读论文内容，了解其研究方法、设计过程与实际价值。希望这份整理能帮助大家打开思路，在积累案例的同时，逐渐找到自己感兴趣、也愿意持续深入的研究方向。
更多院校&课程可咨询