تعاني صناعة نسيج الباتاكي التقليدية من تحديات كبيرة في توفير مجموعة متنوعة من الأنماط الجديدة، ما يجعل الابتكار يمثل عقبة أمام التصميم التقليدي اليدوي. في دراسة جديدة، تم تقديم إطار توليدي متنوع يجمع بين نموذج تحويل Latent Diffusion Model (Stable Diffusion XL v1.0 عبر LoRA) ونموذج لغوي كبير متعدد الوسائط (LLaMA 1.5-7B).

هذا الابتكار يتيح توليد أنماط Ulos القابلة للتحكم والتي تحافظ على الجوانب الثقافية المنسوجة في كل تفاصيلها. وقد تم تطوير أربعة آليات مكملة للتحكم: النص، الصورة، التمثيل، وخريطة الدلالة (عبر ControlNet) والتي تُشارك جميعها في إرشاد عملية التوليد، بحيث تحكم كل منها جانبًا مختلفًا من النية الدلالية إلى التخطيط المكاني.

أظهرت دراسة تشمل خمسة مستويات عبر ثلاثة سيناريوهات (تحويل الشكل، تنويع الألوان، وإدخال تعقيد عالي) أن فعالية التحكم لا تتناسب بالضرورة مع عدد الآليات المدمجة. على سبيل المثال، تمكّنت التركيبة بين النص والصورة وخريطة الدلالة من تحقيق أفضل درجات FID (270) وCLIP Score (0.65 - 0.70)، ولكنها تسببت في أضعف درجة SSIM (0.65). في حين أن التركيبة بين النص والصورة والتمثيل قدمت توازنًا أفضل بشكل عام، مع درجة SSIM مستقرة (0.84) وFID تنافسي (280).

بينما أدت إضافة جميع الآليات الأربعة إلى أضعف FID (330)، مما يشير إلى مؤشرات تحسين متضاربة.

تم تأكيد التقييم النوعي بشكل إيجابي من قبل تسعة حائكِين و ثلاثين مشاركًا عامًا، مما يدل على قبول إحصائي ملحوظ (Wilcoxon، p=0.007 وp<0.001، على التوالي). لمعالجة هذه التحديات، تم تطوير نموذج أولي قائم على الويب يدعم توليد النص إلى صورة والصورة إلى صورة، مما يوفر أداة تصميم رقمية عملية للمحافظة على التراث الثقافي.