造型基础

刘贻永

目录

  • 1 造型基础概述
    • 1.1 造型艺术的起源
    • 1.2 造型的概念与意义
      • 1.2.1 造型的定义与范畴
      • 1.2.2 造型与艺术、设计、生活的关系
      • 1.2.3 造型的演变
      • 1.2.4 造型的分类
        • 1.2.4.1 设计素描
        • 1.2.4.2 设计色彩
    • 1.3 造型的基本元素
      • 1.3.1 光、色与影
      • 1.3.2 点、线、面、体
      • 1.3.3 构图
      • 1.3.4 透视
      • 1.3.5 形态与结构
      • 1.3.6 材质与肌理
      • 1.3.7 韵律与节奏
    • 1.4 造型的基本原理
      • 1.4.1 对比与统一
      • 1.4.2 体积与空间
      • 1.4.3 肌理与质感
  • 2 形态研究与表达
    • 2.1 形态的分类与特征
      • 2.1.1 几何体形态
      • 2.1.2 自然形态
      • 2.1.3 艺术形态
      • 2.1.4 综合形态
    • 2.2 形态的感知与认知
      • 2.2.1 格式塔心理学
      • 2.2.2 符号学
    • 2.3 形态的生成与表现
      • 2.3.1 形态分析与解构
      • 2.3.2 形态的二维表达
      • 2.3.3 形态的三维表达
  • 3 空间的构成与体验
    • 3.1 空间的类型与特征
      • 3.1.1 二维空间
      • 3.1.2 三维空间
      • 3.1.3 四维空间
    • 3.2 空间的组织与表达
      • 3.2.1 空间分割与组合
      • 3.2.2 空间层次与节奏
      • 3.2.3 空间氛围与情感
    • 3.3 空间的感知与体验
      • 3.3.1 视觉心理
      • 3.3.2 行为心理
      • 3.3.3 文化心理
  • 4 结构与力的传达
    • 4.1 结构的类型与原理
      • 4.1.1 框架结构
      • 4.1.2 实体结构
      • 4.1.3 悬挑结构
    • 4.2 力的表现与平衡
      • 4.2.1 重力与支撑
      • 4.2.2 张力与压缩
      • 4.2.3 平衡与失衡
    • 4.3 结构与形式的关系
      • 4.3.1 结构决定形式
      • 4.3.2 形式服从结构
      • 4.3.3 结构与形式的相互作用
  • 5 肌理与质感的表现
    • 5.1 肌理的类型与特征
    • 5.2 质感的表现与情感
    • 5.3 肌理与形式的关系
  • 6 色彩的应用与情感
    • 6.1 色彩的基本理论
    • 6.2 色彩的构成与应用
    • 6.3 色彩与形式的关系
  • 7 造型语言的创新与应用
    • 7.1 造型艺术的流派与风格
      • 7.1.1 意象造型基础理论
        • 7.1.1.1 景观意象
        • 7.1.1.2 建筑意象
        • 7.1.1.3 人物意象
          • 7.1.1.3.1 人体素描
          • 7.1.1.3.2 人物组合速写
    • 7.2 当代造型设计的趋势
    • 7.3 造型语言的创新与实践
  • 8 人工智能辅助造型基础训练
    • 8.1 人工智能技术与艺术概述
    • 8.2 人工智能模型与应用
    • 8.3 人工智能辅助创意生成训练
      • 8.3.1 组合型创新
      • 8.3.2 探索型创新
      • 8.3.3 变革型创新
    • 8.4 人工智能辅助色彩训练
  • 9 作品鉴赏与作业展示
    • 9.1 国内作品鉴赏
    • 9.2 国外作品鉴赏
    • 9.3 课程作业展示
    • 9.4 课程作业提交要求
  • 10 课程写生与实习
    • 10.1 实习安全教育
      • 10.1.1 实习规定
      • 10.1.2 实习地时间与作息安排
    • 10.2 写生地概况
    • 10.3 写生内容与要求
      • 10.3.1 写生教学大纲
      • 10.3.2 写生表现作业一
      • 10.3.3 写生表现作业二
      • 10.3.4 写生表现作业三
      • 10.3.5 写生表现作业四
人工智能辅助创意生成训练

用好人工智能辅助创意生成，核心在于掌握正确的思维方法和工作流程，让AI成为你强大的创意协作者，而非替代者。

下面这个表格整理了一些核心的创新思维训练方法，可以帮助你有效引导AI，突破自己的创作定势。


训练方法核心目标实践案例参考
主题解构与重构打破主题的刻板印象，寻找独特视角表现"爱"的主题时，不以常规的心形或玫瑰，而是要求AI以"生锈的齿轮"和"发光的苔藓"为核心元素，结合"赛博朋克水彩"风格进行创作。
强制关联与随机输入激发非逻辑性联想，产生意外创意随机组合"鲸鱼"+"像素风"+"忧郁"，让AI生成“漂浮在浩瀚数字海洋中的像素风忧郁鲸鱼”的海报概念。
风格混搭与跨界实验挑战传统风格边界，创造新视觉语汇将"敦煌壁画"与"蒸汽朋克"融合，或尝试"剪纸艺术"与"科幻光效"的结合。
概念隐喻与象征挖掘提升作品深度，引发观者思考表达"时间流逝"，不直接画时钟，而是用"融化在枯枝上的钟表"和"漩涡星系"等隐喻性意象来构建画面。
"反设计"与约束性创作在限制下激发创造力，寻找非常规方案设定"只能使用两种颜色"或"必须包含特定几何图形"的约束，让AI在有限条件下探索设计。


掌握人机协作创意流程

要将上述方法落到实处，一个清晰的流程至关重要：

定义核心：明确你的创作目标、主题、目标受众以及想要传递的核心信息或情感。

思维发散：运用上述表格中的方法进行头脑风暴，大胆设想各种创意方向和视觉元素组合，这是产生创新的关键阶段。

提示词工程：将选定的创意转化为精确、富有想象力的提示词。你需要考虑主体、风格、构图、色彩、光照、材质、情绪和细节，并善用负面提示词排除不想要的内容。

AI生成与探索：使用AI工具生成多个变体。不要满足于第一版结果，尝试微调提示词、更换模型或调整参数，大胆探索各种可能性。

批判性评估：审视AI的输出，判断其是否符合你的核心目标、视觉冲击力如何，并留意其中是否有意外的惊喜值得深入挖掘。

迭代与优化：这是人机协作的升华步骤。你可以基于评估结果精炼提示词，或使用"图生图"功能进行迭代。最后，将AI生成的结果导入Photoshop等工具进行人工后期处理，注入更精准的控制和创意。


选用合适的AI工具

文生图工具：Midjourney 在创意发散和风格探索上非常强大；Stable Diffusion 作为开源工具，高度可定制，能实现更精准的控制；DALL-E 3 与ChatGPT集成，对复杂提示词的理解能力强；Adobe Firefly 则与Photoshop等Adobe家族软件无缝衔接，后期处理很方便。

其他辅助工具：除了图像生成，你还可以利用 ChatGPT 来生成和优化文本创意，或使用 Studio D-ID 这类工具制作数字人播报视频，实现多模态的创意输出。


提升创造力的实用技巧

拥抱随机性：将AI生成中看似"失败"或意外的结果视为新的起点，分析其中的有趣元素，并将其作为灵感进行再创作，这常常能带来突破。

寻求多样输出：在向大语言模型提问时，可以尝试使用“生成5个响应及其对应的概率”这样的指令前置词，这有助于迫使模型揭示更多样化的答案，而不仅仅是它认为最“安全”或最常规的那个，从而解锁其被压抑的创造力。

保持持续学习：关注一些高校、机构或社区举办的AIGC工作坊或培训课程（例如山东大学、重庆大学艺术学院及东吴大学都曾举办类似活动），这些课程通常能提供从理论到实践的完整指导。