基於條件先驗 β-CVAE 的情緒導向色彩組合生成研究

研究動機

情緒導向的色彩組合設計長期依賴設計者的主觀判斷，現有生成方法多以離散語意標籤作為控制條件，難以支援連續情緒空間中的精確操作，也不易在維持既有風格的前提下進行情緒調整。本研究針對這個缺口，提出一種以連續情緒維度為條件的色彩配色生成架構，使情緒成為可操作的參數，並同時保留風格變異能力。

研究方法

本研究將潛在表示劃分為情緒子空間與殘差風格子空間，以實現情緒控制與風格變化的解耦。情緒結構依據色彩意象尺度建構，以「暖—冷」與「軟—硬」兩個維度刻劃，並利用 XGBoost 對 53,698 組線上取得的色彩組合進行情緒座標估計，最終結合條件變分自編碼器（β-CVAE）建構生成模型。

• 雙潛在子空間設計：潛在空間分為情緒子空間與殘差風格子空間，前者負責捕捉情緒座標對應的結構性變異，後者學習與情緒無關的配色風格，兩者分工使同一情緒條件下仍可生成多樣化配色。
• 條件先驗與輔助對齊損失：以情緒座標作為條件先驗，引導情緒子空間的潛在分布朝目標情緒對齊；輔助對齊損失在訓練過程中強化此約束，確保情緒條件對生成結果具有明確的控制力。
• 去關聯約束：對情緒子空間與風格子空間施加去關聯損失，防止情緒資訊洩漏至風格維度，從而實現兩個子空間在表示上的有效分離。

實驗結果

情緒子空間與目標情緒的 Spearman 相關係數達 0.92 與 0.95，移除對齊機制後降至 0.11；風格子空間與情緒條件的相關低於 0.06，支持兩者在表示上的有效分離。模型可隨連續情緒條件產生具方向性的配色變化，並支援在固定風格下進行情緒調整；潛在空間插值呈現平滑過渡，顯示情緒控制可沿連續路徑操作。

研究貢獻

本研究建立一種可進行情緒連續控制的生成機制，為情緒導向色彩設計提供具可操作性的計算框架。相關成果於 ICAIIC 2026 國際研討會口頭發表。