传统巴塔克乌洛斯织造业因手工设计限制，难以产出多样创新的图案。本文提出一种多模态生成框架，将通过 LoRA 微调的 Stable Diffusion XL v1.0 与多模态大语言模型 LLaMA 1.5‑7B 结合，实现可控且符合文化传统的乌洛斯图案生成。
框架采用四种互补的条件机制：文本、图像、特征表示、语义地图（基于 ControlNet），分别控制语义意图、视觉风格、潜在特征以及空间布局。
在形状变换、颜色变化和高复杂度输入三类场景下进行五层消融实验，结果表明条件机制的数量并非越多越好。文本+图像+语义地图组合在 FID（270）和 CLIP Score（0.65‑0.70）上表现最佳，但 SSIM 仅 0.65；文本+图像+特征表示在 SSIM（0.84）和 FID（280）之间取得平衡；全部四种机制组合导致 FID 上升至 330，表明优化信号冲突。
随后邀请九位织工和三十名公众参与者进行定性评估，Wilcoxon 检验显示接受度显著提升（p=0.007），验证了框架的实用性。
点评