摘要：目的：文章旨在探討如何利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)與創(chuàng)新的具體實(shí)踐，為動(dòng)漫行業(yè)從業(yè)者提供參考和指導(dǎo)。方法：從設(shè)計(jì)流程的數(shù)據(jù)準(zhǔn)備與輸入、模型選擇與訓(xùn)練、生成與優(yōu)化三個(gè)環(huán)節(jié)入手，詳細(xì)闡述人工智能技術(shù)的應(yīng)用方式和操作步驟。分析人工智能在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的三個(gè)實(shí)際應(yīng)用案例，包括利用生成對(duì)抗網(wǎng)絡(luò)進(jìn)行動(dòng)漫角色設(shè)計(jì)、使用神經(jīng)風(fēng)格轉(zhuǎn)移進(jìn)行動(dòng)漫場(chǎng)景創(chuàng)作和應(yīng)用強(qiáng)化學(xué)習(xí)優(yōu)化動(dòng)漫角色動(dòng)作。結(jié)果：文章選取三個(gè)人工智能在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的實(shí)際應(yīng)用案例進(jìn)行分析。案例一：利用StyleGAN這一先進(jìn)的生成對(duì)抗網(wǎng)絡(luò)，生成高質(zhì)量、多樣化的動(dòng)漫角色形象，提高設(shè)計(jì)效率，拓展創(chuàng)意空間。案例二：使用神經(jīng)風(fēng)格轉(zhuǎn)移技術(shù)進(jìn)行動(dòng)漫場(chǎng)景創(chuàng)作，快速生成具有獨(dú)特藝術(shù)風(fēng)格的場(chǎng)景，為動(dòng)漫場(chǎng)景設(shè)計(jì)提供新的表現(xiàn)手法和靈感來源。案例三：應(yīng)用強(qiáng)化學(xué)習(xí)技術(shù)優(yōu)化動(dòng)漫角色動(dòng)作，自動(dòng)生成自然流暢、符合物理規(guī)律的動(dòng)作序列，大幅提升動(dòng)畫質(zhì)量和制作效率。綜合案例分析表明，人工智能技術(shù)可以在提高動(dòng)漫形象設(shè)計(jì)效率的同時(shí)，激發(fā)創(chuàng)意靈感，拓展設(shè)計(jì)可能。結(jié)論：人工智能技術(shù)作為動(dòng)漫形象設(shè)計(jì)的強(qiáng)大輔助工具，能在提高效率的同時(shí)，激發(fā)創(chuàng)意和拓展設(shè)計(jì)可能。但設(shè)計(jì)者需要注重人機(jī)協(xié)作，把控創(chuàng)意方向，重視數(shù)據(jù)質(zhì)量和模型選擇，充分發(fā)揮AI優(yōu)勢(shì)。隨著AI技術(shù)的發(fā)展，人工智能技術(shù)在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的應(yīng)用將更加深入廣泛。

關(guān)鍵詞：人工智能；動(dòng)漫形象設(shè)計(jì)；創(chuàng)新；案例

中圖分類號(hào)：J218.7；TP18" 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-9436（2024）10-0-03

0 引言

動(dòng)漫形象設(shè)計(jì)是動(dòng)漫創(chuàng)作的關(guān)鍵環(huán)節(jié)，直接影響作品的吸引力，決定作品的成功與否。如何利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)與創(chuàng)新，是當(dāng)前動(dòng)漫行業(yè)面臨的重要課題。本文將從實(shí)踐的角度，詳細(xì)探討人工智能技術(shù)在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的應(yīng)用方式和操作步驟，以為從業(yè)者提供參考和指導(dǎo)。

1 利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)的流程

1.1 數(shù)據(jù)準(zhǔn)備與輸入

在利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)的過程中，數(shù)據(jù)準(zhǔn)備與輸入是首要步驟。設(shè)計(jì)者需要收集和整理大量的動(dòng)漫形象數(shù)據(jù)，涉及人物、場(chǎng)景、道具等方面。這些數(shù)據(jù)可以源于現(xiàn)有的動(dòng)漫作品、設(shè)計(jì)稿、概念圖等，也可以通過數(shù)字化繪畫、三維建模等技術(shù)生成［1］。

為了確保數(shù)據(jù)質(zhì)量，設(shè)計(jì)者需要篩選和預(yù)處理收集到的數(shù)據(jù)。在數(shù)據(jù)篩選過程中，要剔除質(zhì)量低下、與設(shè)計(jì)目標(biāo)不符的數(shù)據(jù)，確保數(shù)據(jù)的相關(guān)性和多樣性。預(yù)處理階段，需要進(jìn)行數(shù)據(jù)清洗、標(biāo)注、增強(qiáng)等操作。在清洗過程中，去除噪點(diǎn)、修正錯(cuò)誤；在標(biāo)注過程中，為數(shù)據(jù)添加標(biāo)簽，如人物姿勢(shì)、表情、服飾等；在增強(qiáng)過程中，通過旋轉(zhuǎn)、縮放、添加噪聲等方式，擴(kuò)充數(shù)據(jù)集，增強(qiáng)模型的泛化能力。

預(yù)處理后的數(shù)據(jù)需要轉(zhuǎn)化為適合模型輸入的格式，如張量、向量等。設(shè)計(jì)者可以利用圖像處理庫(kù)（如OpenCV、Pillow）、深度學(xué)習(xí)框架（如TensorFlow、PyTorch）中的工具，將圖像數(shù)據(jù)轉(zhuǎn)化為模型可以接受的數(shù)字表示。設(shè)計(jì)者還需要考慮數(shù)據(jù)的組織和管理方式。合理的數(shù)據(jù)結(jié)構(gòu)和存儲(chǔ)方式，如使用數(shù)據(jù)庫(kù)、文件系統(tǒng)等，可以提高數(shù)據(jù)訪問效率，方便后續(xù)的模型訓(xùn)練和生成?？傊瑪?shù)據(jù)準(zhǔn)備與輸入是利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)的基礎(chǔ)。

1.2 模型選擇與訓(xùn)練

在利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)與創(chuàng)新時(shí)，選擇合適的模型并進(jìn)行有效的訓(xùn)練至關(guān)重要。常用的模型包括生成對(duì)抗網(wǎng)絡(luò)（GAN）、變分自編碼器（VAE）、神經(jīng)風(fēng)格轉(zhuǎn)移等。設(shè)計(jì)者需要根據(jù)具體的設(shè)計(jì)需求和數(shù)據(jù)特點(diǎn)，選擇適合的模型。

以生成對(duì)抗網(wǎng)絡(luò)（GAN）為例，它由生成器和判別器兩部分組成。生成器負(fù)責(zé)生成與訓(xùn)練數(shù)據(jù)相似的新樣本，判別器負(fù)責(zé)判斷樣本是真實(shí)數(shù)據(jù)還是生成數(shù)據(jù)。兩者在訓(xùn)練過程中不斷博弈，最終使生成器能夠生成逼真的動(dòng)漫形象。設(shè)計(jì)者可以選擇不同的GAN變體，如DCGAN、WGAN、StyleGAN等，以滿足不同的設(shè)計(jì)需求。

模型選定后，設(shè)計(jì)者需要進(jìn)行模型訓(xùn)練。在訓(xùn)練過程中，要合理設(shè)置超參數(shù)，如學(xué)習(xí)率、批量大小、迭代次數(shù)等，以平衡訓(xùn)練效率和效果。同時(shí)，需要采取措施避免過擬合，如使用正則化、早停法等。設(shè)計(jì)者可以利用TensorFlow、PyTorch等深度學(xué)習(xí)框架，編寫訓(xùn)練代碼，實(shí)現(xiàn)模型的優(yōu)化和更新［2］。為了保證評(píng)估模型的性能，設(shè)計(jì)者需要使用驗(yàn)證集測(cè)試模型，評(píng)估生成結(jié)果的質(zhì)量和多樣性。常用的評(píng)估方式包括主觀評(píng)估（如用戶調(diào)查）和客觀評(píng)估（如inception score、FID等）。通過評(píng)估結(jié)果，設(shè)計(jì)者可以調(diào)整模型結(jié)構(gòu)和超參數(shù)，不斷改進(jìn)模型的性能。

1.3 生成與優(yōu)化

利用訓(xùn)練好的人工智能模型，設(shè)計(jì)者可以生成和優(yōu)化動(dòng)漫形象。在生成過程中，設(shè)計(jì)者需要準(zhǔn)備好輸入數(shù)據(jù)（如隨機(jī)噪聲、文本描述、參考圖像等），并根據(jù)需要調(diào)整生成參數(shù)（如樣本數(shù)量、分辨率等）。通過將輸入數(shù)據(jù)輸入生成模型，生成一系列動(dòng)漫形象。然而，初次生成的形象往往存在一些缺陷，如細(xì)節(jié)不清晰、結(jié)構(gòu)不合理、風(fēng)格不一致等。因此，設(shè)計(jì)者需要采用自動(dòng)優(yōu)化和交互式優(yōu)化兩種方式，優(yōu)化生成結(jié)果。

自動(dòng)優(yōu)化利用算法自動(dòng)調(diào)整和改進(jìn)生成結(jié)果。設(shè)計(jì)者可以使用如下技術(shù)：一是后處理技術(shù)，通過圖像處理算法（如超分辨率、去噪等）優(yōu)化生成圖像，提高圖像質(zhì)量和清晰度［3］；二是迭代優(yōu)化技術(shù)，將生成結(jié)果作為新的輸入數(shù)據(jù)，重新輸入生成模型，生成更優(yōu)質(zhì)的結(jié)果。通過多次迭代，不斷提高生成質(zhì)量；三是多模型融合技術(shù)，利用多個(gè)生成模型的優(yōu)勢(shì)，如融合GAN和VAE的生成結(jié)果，以獲得更加逼真和多樣的動(dòng)漫形象。

交互式優(yōu)化需要設(shè)計(jì)者主動(dòng)參與和干預(yù)。設(shè)計(jì)者可以根據(jù)自己的創(chuàng)意和經(jīng)驗(yàn)，編輯和修改生成結(jié)果。常用的交互式優(yōu)化方法有三種：一是參數(shù)調(diào)整，設(shè)計(jì)者可以調(diào)整生成模型的輸入?yún)?shù)（如噪聲向量、條件信息等），以控制生成結(jié)果的特點(diǎn)和風(fēng)格；二是圖像編輯，利用圖像編輯軟件（如Photoshop、SAI等）或算法（如GAN編輯器），設(shè)計(jì)者可以對(duì)生成圖像進(jìn)行局部編輯，如修改人物表情、調(diào)整場(chǎng)景布局等；三是反饋優(yōu)化，設(shè)計(jì)者可以對(duì)生成結(jié)果進(jìn)行評(píng)分和反饋，并將反饋信息輸入模型，引導(dǎo)模型生成更符合設(shè)計(jì)需求的結(jié)果。

通過自動(dòng)優(yōu)化和交互式優(yōu)化的結(jié)合，設(shè)計(jì)者可以不斷改進(jìn)生成的動(dòng)漫形象，直到獲得滿意的設(shè)計(jì)結(jié)果。生成與優(yōu)化是利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)的最后階段，也是將創(chuàng)意轉(zhuǎn)化為實(shí)際設(shè)計(jì)的關(guān)鍵步驟。設(shè)計(jì)者需要合理利用自動(dòng)優(yōu)化和交互式優(yōu)化的方法，不斷調(diào)整和改進(jìn)生成結(jié)果，以設(shè)計(jì)出高質(zhì)量、富有創(chuàng)意的動(dòng)漫形象。

2 人工智能技術(shù)在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的應(yīng)用案例

2.1 案例一：利用生成對(duì)抗網(wǎng)絡(luò)（GAN）進(jìn)行動(dòng)漫角色設(shè)計(jì)

在案例一中，我們將探討如何利用生成對(duì)抗網(wǎng)絡(luò)（GAN）進(jìn)行動(dòng)漫角色設(shè)計(jì)。設(shè)計(jì)團(tuán)隊(duì)收集了大量的動(dòng)漫角色圖像，包括不同風(fēng)格、性別、年齡等屬性的角色。通過預(yù)處理和標(biāo)注這些圖像，設(shè)計(jì)團(tuán)隊(duì)建立了一個(gè)高質(zhì)量的動(dòng)漫角色數(shù)據(jù)集［4］。接下來，設(shè)計(jì)團(tuán)隊(duì)選擇StyleGAN作為生成模型。StyleGAN是一種高級(jí)的GAN變體，能夠生成高質(zhì)量、多樣化的圖像。設(shè)計(jì)團(tuán)隊(duì)調(diào)整了StyleGAN的架構(gòu)，以適應(yīng)動(dòng)漫角色設(shè)計(jì)的需求。他們引入條件信息，如角色的性別、發(fā)型、服裝等，使生成過程變得可控。

在訓(xùn)練過程中，設(shè)計(jì)團(tuán)隊(duì)采用漸進(jìn)式訓(xùn)練策略，從低分辨率開始，逐步提高生成圖像的分辨率。這種訓(xùn)練方式可以提高訓(xùn)練效率和增強(qiáng)穩(wěn)定性。同時(shí)，他們還使用數(shù)據(jù)增強(qiáng)技術(shù)，如隨機(jī)裁剪、翻轉(zhuǎn)等，以保障數(shù)據(jù)的多樣性，提高模型的泛化能力。訓(xùn)練完成后，設(shè)計(jì)團(tuán)隊(duì)使用StyleGAN模型生成動(dòng)漫角色。通過調(diào)整輸入的隨機(jī)噪聲和條件信息，生成不同的角色形象。這些角色形象具有高質(zhì)量和多樣性的特征，展現(xiàn)了不同的風(fēng)格和屬性。為進(jìn)一步提高生成角色的質(zhì)量，設(shè)計(jì)團(tuán)隊(duì)對(duì)生成結(jié)果進(jìn)行后處理和優(yōu)化。他們使用圖像超分辨率算法，提高角色圖像的清晰度和細(xì)節(jié)。

在案例一中，設(shè)計(jì)團(tuán)隊(duì)展示了如何利用StyleGAN這一先進(jìn)的生成對(duì)抗網(wǎng)絡(luò)，實(shí)現(xiàn)高質(zhì)量、多樣化的動(dòng)漫角色設(shè)計(jì)。其生成的角色不僅具有美感，而且符合設(shè)計(jì)者的意圖。這種AI輔助的設(shè)計(jì)方式，極大地提高了設(shè)計(jì)效率，也為動(dòng)漫角色設(shè)計(jì)開辟了新的創(chuàng)意空間。

2.2 案例二：使用神經(jīng)風(fēng)格轉(zhuǎn)移進(jìn)行動(dòng)漫場(chǎng)景創(chuàng)作

在案例二中，我們將探討如何使用神經(jīng)風(fēng)格轉(zhuǎn)移技術(shù)進(jìn)行動(dòng)漫場(chǎng)景創(chuàng)作。設(shè)計(jì)團(tuán)隊(duì)希望創(chuàng)作一個(gè)具有獨(dú)特藝術(shù)風(fēng)格的動(dòng)漫場(chǎng)景，以突出動(dòng)漫的氛圍和情感。設(shè)計(jì)團(tuán)隊(duì)準(zhǔn)備兩類圖像數(shù)據(jù)：內(nèi)容圖像和風(fēng)格圖像。內(nèi)容圖像是一系列動(dòng)漫場(chǎng)景的素材，包括建筑、自然景觀、城市街道等。風(fēng)格圖像則是一些具有鮮明藝術(shù)風(fēng)格的繪畫作品，如梵高的星夜、莫奈的印象派畫作等。接下來，設(shè)計(jì)團(tuán)隊(duì)選擇一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的神經(jīng)風(fēng)格轉(zhuǎn)移模型。該模型通過最小化內(nèi)容損失和風(fēng)格損失，將風(fēng)格圖像的藝術(shù)風(fēng)格轉(zhuǎn)移到內(nèi)容圖像上，同時(shí)保留內(nèi)容圖像的語義信息。

在訓(xùn)練過程中，設(shè)計(jì)團(tuán)隊(duì)優(yōu)化了神經(jīng)網(wǎng)絡(luò)的架構(gòu)，以強(qiáng)化風(fēng)格轉(zhuǎn)移的效果，同時(shí)提高效率。他們采用多尺度融合的策略，在不同的卷積層上提取內(nèi)容和風(fēng)格特征，以獲得更加細(xì)致和全面的風(fēng)格轉(zhuǎn)移結(jié)果。訓(xùn)練完成后，設(shè)計(jì)團(tuán)隊(duì)將準(zhǔn)備好的動(dòng)漫場(chǎng)景素材輸入訓(xùn)練好的神經(jīng)風(fēng)格轉(zhuǎn)移模型。通過調(diào)整風(fēng)格圖像和轉(zhuǎn)移強(qiáng)度等參數(shù)，他們可以控制場(chǎng)景的藝術(shù)風(fēng)格和效果［5］。生成的動(dòng)漫場(chǎng)景營(yíng)造了獨(dú)特的藝術(shù)氛圍，融合動(dòng)漫的內(nèi)容和繪畫的風(fēng)格。為進(jìn)一步提高場(chǎng)景的質(zhì)量和一致程度，設(shè)計(jì)團(tuán)隊(duì)對(duì)生成結(jié)果進(jìn)行后期處理。他們使用圖像分割和合成技術(shù)，將不同風(fēng)格的場(chǎng)景元素?zé)o縫融合，創(chuàng)造出和諧統(tǒng)一的整體效果。同時(shí)，他們還邀請(qǐng)專業(yè)的動(dòng)漫藝術(shù)家對(duì)生成的場(chǎng)景進(jìn)行審核和反饋，以確保場(chǎng)景的藝術(shù)性和可用性。

通過這個(gè)案例，設(shè)計(jì)團(tuán)隊(duì)展示了如何使用神經(jīng)風(fēng)格轉(zhuǎn)移技術(shù)，將藝術(shù)繪畫的風(fēng)格應(yīng)用于動(dòng)漫場(chǎng)景創(chuàng)作。這種AI輔助的創(chuàng)作方式，可以幫助設(shè)計(jì)者快速生成具有獨(dú)特藝術(shù)風(fēng)格的場(chǎng)景，提高創(chuàng)作效率和創(chuàng)意水平。同時(shí)，它也為動(dòng)漫場(chǎng)景設(shè)計(jì)提供新的藝術(shù)表現(xiàn)手法和靈感來源。

2.3 案例三：應(yīng)用強(qiáng)化學(xué)習(xí)優(yōu)化動(dòng)漫角色動(dòng)作

在這個(gè)案例中，設(shè)計(jì)團(tuán)隊(duì)?wèi)?yīng)用強(qiáng)化學(xué)習(xí)技術(shù)優(yōu)化動(dòng)漫角色的動(dòng)作，以創(chuàng)造出更加自然、流暢、符合物理規(guī)律的角色動(dòng)作。他們構(gòu)建了一個(gè)三維角色模型，定義了基本動(dòng)作并錄制相應(yīng)的動(dòng)作捕捉數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集。設(shè)計(jì)團(tuán)隊(duì)選擇一種基于深度強(qiáng)化學(xué)習(xí)的動(dòng)作優(yōu)化模型，通過設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)引導(dǎo)智能體（角色模型）學(xué)習(xí)優(yōu)化的動(dòng)作策略。智能體通過與物理引擎交互，不斷嘗試不同的動(dòng)作組合，并根據(jù)獎(jiǎng)勵(lì)函數(shù)的反饋調(diào)整動(dòng)作策略。

3 利用人工智能技術(shù)進(jìn)行動(dòng)漫形象設(shè)計(jì)與創(chuàng)新的優(yōu)勢(shì)和注意事項(xiàng)

3.1 提高設(shè)計(jì)效率和創(chuàng)新能力

人工智能技術(shù)可以通過自動(dòng)化和智能化的方式，顯著提高動(dòng)漫形象設(shè)計(jì)的效率。設(shè)計(jì)者可以利用AI工具快速生成大量的設(shè)計(jì)方案，減少重復(fù)性的工作，節(jié)省時(shí)間和精力。同時(shí)，AI還可以通過學(xué)習(xí)和分析海量的設(shè)計(jì)數(shù)據(jù)，為設(shè)計(jì)者提供新的創(chuàng)意靈感和思路，激發(fā)其創(chuàng)新能力。設(shè)計(jì)者可以利用AI生成的多樣化方案，進(jìn)行二次創(chuàng)作和優(yōu)化，不斷推動(dòng)設(shè)計(jì)創(chuàng)新［6］。

3.2 注重人機(jī)協(xié)作和創(chuàng)意控制

盡管AI可以提供強(qiáng)大的輔助和支持，但設(shè)計(jì)者的創(chuàng)意思維和審美判斷仍然不可或缺。在利用AI進(jìn)行動(dòng)漫形象設(shè)計(jì)時(shí)，設(shè)計(jì)者需要注重人機(jī)協(xié)作，充分發(fā)揮人的創(chuàng)意主導(dǎo)作用。設(shè)計(jì)者可以通過調(diào)整AI模型的參數(shù)、選擇適當(dāng)?shù)妮斎霐?shù)據(jù)、引導(dǎo)生成過程等方式，來控制和影響AI的創(chuàng)意輸出，確保生成的設(shè)計(jì)符合預(yù)期目標(biāo)和審美要求。

3.3 關(guān)注數(shù)據(jù)質(zhì)量和模型選擇

數(shù)據(jù)質(zhì)量和模型選擇是利用AI進(jìn)行動(dòng)漫形象設(shè)計(jì)的關(guān)鍵因素。設(shè)計(jì)者需要重視數(shù)據(jù)的收集、篩選和預(yù)處理，確保數(shù)據(jù)的質(zhì)量和多樣性。高質(zhì)量的數(shù)據(jù)可以強(qiáng)化AI模型的學(xué)習(xí)效果和生成性能。同時(shí)，設(shè)計(jì)者還需要根據(jù)具體的設(shè)計(jì)任務(wù)和需求，選擇合適的AI模型和算法。不同的模型在生成效果、控制方式、計(jì)算效率等方面各有優(yōu)劣，設(shè)計(jì)者需要權(quán)衡考慮，選擇最優(yōu)的模型組合。

4 結(jié)語

人工智能技術(shù)為動(dòng)漫形象設(shè)計(jì)與創(chuàng)新提供了有效的工具和方法。通過合理應(yīng)用人工智能技術(shù)，設(shè)計(jì)者可以在提高效率的同時(shí)，產(chǎn)生創(chuàng)意靈感，探索更多的設(shè)計(jì)可能。然而，在實(shí)踐中，設(shè)計(jì)者需要注重人機(jī)協(xié)作，把握創(chuàng)意控制，同時(shí)關(guān)注數(shù)據(jù)質(zhì)量和模型選擇，以充分發(fā)揮人工智能技術(shù)的優(yōu)勢(shì)。隨著人工智能技術(shù)的不斷發(fā)展，其在動(dòng)漫形象設(shè)計(jì)與創(chuàng)新中的應(yīng)用將更加深入和廣泛，為動(dòng)漫產(chǎn)業(yè)的發(fā)展注入新的活力。

參考文獻(xiàn)：

［1］ 歐陽唯婧.動(dòng)漫設(shè)計(jì)中數(shù)字媒體藝術(shù)的創(chuàng)新應(yīng)用探究［J］.鞋類工藝與設(shè)計(jì)，2024，4（6）：124-126.

［2］ 劉燕芳.數(shù)字媒體藝術(shù)在動(dòng)漫設(shè)計(jì)中的運(yùn)用［J］.明日風(fēng)尚，2024（4）：146-148.

［3］ 呂意.虛擬現(xiàn)實(shí)技術(shù)在動(dòng)漫設(shè)計(jì)創(chuàng)作中的應(yīng)用與發(fā)展前景［J］.鞋類工藝與設(shè)計(jì)，2023，3（24）：193-195.

［4］ 蔡能英.數(shù)字媒體藝術(shù)在動(dòng)漫設(shè)計(jì)中的應(yīng)用［J］.玩具世界，2023（6）：103-105.

［5］ 申潔.動(dòng)漫設(shè)計(jì)中傳統(tǒng)美術(shù)的應(yīng)用探究［J］.中國(guó)民族博覽，2023（19）：188-190.

［6］ 林文芳.淺談?dòng)?jì)算機(jī)動(dòng)漫設(shè)計(jì)教學(xué)模式的改革［J］.學(xué)周刊，2023（23）：9-11.

作者簡(jiǎn)介：張鋼 （1981—） ，男，研究方向：動(dòng)漫科技。