AI assist fashion：exploring AIGC in knitted textile design for the chinese market

This thesis explores the application of Artificial Intelligence Generated Content (AIGC) in the knitting design process within the context of the Chinese market, with particular attention to its potential and limitations in generating knitting structures. The Research focuses on how AIGC can support designers in the early stages of development by quickly producing manufacturable structures, thereby improving design efficiency and outlining a workflow that may serve as a reference for future practice. The study draws on case analysis, interviews, exploratory trials, and questionnaire to assess the opportunities and technical challenges involved in using AIGC to bridge the gap between design and production, shorten development cycles, and reduce reliance on manual processes. The findings evaluate the performance of diffusion models in knitting structure generation, identifying key limitations related to aesthetics, precision, structural logic, and overall feasibility. The thesis concludes by offering preliminary recommendations for further research and reflecting on the role AIGC could play in enhancing creativity and streamlining design workflows in the knitwear industry.

Questa tesi esplora l’applicazione dei contenuti generati dall’intelligenza artificiale (AIGC) nel processo di progettazione della maglieria nel contesto del mercato cinese, con particolare attenzione al suo potenziale e ai suoi limiti nella generazione di strutture per maglieria. La ricerca si concentra su come l’AIGC possa supportare i designer nelle fasi iniziali dello sviluppo, generando rapidamente strutture producibili e migliorando così l’efficienza progettuale, delineando un flusso di lavoro che possa servire da riferimento per pratiche future. Lo studio si basa su analisi di casi, interviste, sperimentazioni esplorative e questionari per valutare le opportunità e le sfide tecniche legate all’uso dell’AIGC nel colmare il divario tra progettazione e produzione, abbreviare i cicli di sviluppo e ridurre la dipendenza dai processi manuali. I risultati valutano le prestazioni dei modelli di diffusione nella generazione di strutture per maglieria, individuando limiti chiave in termini di estetica, precisione, logica strutturale e fattibilità complessiva. La tesi si conclude con raccomandazioni preliminari per ulteriori ricerche e una riflessione sul ruolo che l’AIGC potrebbe assumere nel potenziare la creatività e nel semplificare i flussi di lavoro nella progettazione di capi in maglia. La ricerca indaga come l’intelligenza artificiale generativa, in particolare i modelli di diffusione (diffusion models), possa supportare i designer nella creazione di progetti visivamente attraenti, offrire un controllo preciso dei dettagli e incrementare la creatività. Viene esaminata l’integrazione pratica di questi strumenti AI nelle fasi iniziali del design, nella creazione di pattern e nell’innovazione delle strutture tessili a maglia. Attraverso una revisione degli sviluppi tecnologici attuali ed esempi pratici, questo studio dimostra il potenziale delle tecnologie AIGC nel semplificare i processi progettuali, migliorare l’efficienza e stimolare approcci innovativi. Nonostante i progressi promettenti, restano delle sfide, come garantire la praticità dei design, la precisione tecnica e la capacità dell’AI di interpretare correttamente le intenzioni progettuali umane. Pertanto, la tesi sottolinea l’importanza della collaborazione tra designer umani e intelligenza artificiale, proponendo un approccio equilibrato in cui l’AI affianca e valorizza la creatività umana, invece di sostituirla.