• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于生成對(duì)抗網(wǎng)絡(luò)的書法紡織圖案設(shè)計(jì)開發(fā)

    2021-03-15 06:52:08陳涵沈雷汪鳴明張?,?/span>任祥放
    絲綢 2021年2期
    關(guān)鍵詞:生成對(duì)抗網(wǎng)絡(luò)傳統(tǒng)圖案深度學(xué)習(xí)

    陳涵 沈雷 汪鳴明 張?,? 任祥放

    摘要: 隨著區(qū)域民族紡織品全球化格局的形成,中國風(fēng)格成為了全球紡織品流行趨勢(shì)之一。中國傳統(tǒng)紡織圖案在世界范圍的流行對(duì)其設(shè)計(jì)開發(fā)方法提出了更高要求。文章以書法紡織圖案為研究對(duì)象,提出了基于深度學(xué)習(xí)生成對(duì)抗網(wǎng)絡(luò)的傳統(tǒng)紡織圖案開發(fā)方法。該方法解決了傳統(tǒng)開發(fā)方法技術(shù)壁壘高、效率低、可控性差、資源損耗大等問題,同時(shí)在深度學(xué)習(xí)層面解決了中國傳統(tǒng)紡織圖案樣本少、規(guī)格雜、重意不重形等訓(xùn)練難點(diǎn)。經(jīng)對(duì)比實(shí)驗(yàn)、主觀評(píng)估與設(shè)計(jì)運(yùn)用,該方法相較當(dāng)前典型方法更適合應(yīng)用于傳統(tǒng)紡織圖案的設(shè)計(jì)開發(fā),具備先進(jìn)性與實(shí)踐價(jià)值。

    關(guān)鍵詞: 生成對(duì)抗網(wǎng)絡(luò);紡織品設(shè)計(jì);深度學(xué)習(xí);傳統(tǒng)圖案;中國書法

    Abstract: With the formation of a global pattern of regional ethnic textiles, chinoiserie has become one of popular trends of global textiles. The popularity of traditional Chinese textile patterns in the global context puts forward higher requirements for its design and development methods. By taking calligraphy textile patterns as the research object, this paper comes up with a development method of traditional textile patterns based on the deep learning generative adversarial network. The proposed method solves the problems of traditional development methods, such as high technical barrier, low efficiency, poor controllability and large resource consumption. At the same time, at the level of deep learning, it solves the training difficulties of traditional textile patterns, such as few samples, miscellaneous specifications and emphasis on meaning but not shape. Through comparative experiment, subjective evaluation and design application, it is found that the proposed method is more suitable for the design and development of traditional textiles than existing typical method, and has advanced and practical value.

    Key words: generative adversarial network; textile design; deep learning; traditional pattern; Chinese calligraphy

    書法作為中國及中國文化輻射地區(qū)特有的文字藝術(shù)表現(xiàn)形式古已有之。水和墨通過不同比例的混合形成變化豐富的墨色,配合不同的留白布局表現(xiàn)出“氣韻生動(dòng)”的畫面感[1]。書法元素圖案打破了中國傳統(tǒng)紋樣以線為主的藝術(shù)框架,擺脫了固有的理性形態(tài)和羈絆,畫面虛實(shí)相合,個(gè)性獨(dú)特鮮明[2]。書法圖案因其多變的藝術(shù)表現(xiàn)形式與深入人心的東方符號(hào)意向,在紡織品設(shè)計(jì)中應(yīng)用廣泛。在區(qū)域民族紡織品全球化的格局下,以書法紡織圖案為代表的中國傳統(tǒng)紡織圖案在世界范圍流行,對(duì)其設(shè)計(jì)開發(fā)方法提出了更高要求[3]。

    隨著紡織圖案開發(fā)需求的不斷提升,越來越多的學(xué)者投身于數(shù)字化智能紡織圖案開發(fā)的研究中來[4]。Hudec G等[5]對(duì)數(shù)學(xué)與計(jì)算機(jī)結(jié)合的分形藝術(shù)進(jìn)行了分析闡述,并通過KPT5 FraxPlorer程序?qū)崿F(xiàn)了分形藝術(shù)的紡織面料圖案開發(fā)。張聿[6]基于弱混沌動(dòng)力學(xué)的圖形生成原理,運(yùn)用計(jì)算機(jī)圖形技術(shù)結(jié)合紋織實(shí)驗(yàn),研究提出了均勻隨機(jī)網(wǎng)的紋織設(shè)計(jì)方法。姜延等[7]通過深度學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò),將面料樣本的力學(xué)參數(shù)轉(zhuǎn)換建立為具備更高真實(shí)感的三維織物模擬圖像。趙海英等[8]提出了基于拓?fù)錁?gòu)型的地毯圖案自動(dòng)生成方法,解決了圖案元素重疊的問題,實(shí)現(xiàn)了自動(dòng)生成體現(xiàn)織物圖案的構(gòu)圖、元素形象和色彩的圖案。鄭銳等[9]通過深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了將刺繡風(fēng)格遷移到實(shí)物照片進(jìn)而數(shù)字合成開發(fā)出新的刺繡圖案。在深度學(xué)習(xí)研究領(lǐng)域,生成對(duì)抗網(wǎng)絡(luò)(generative adversarial network,GAN)自2014年由Ian Goodfellow提出以來,因其具備更低的訓(xùn)練難度、更高的訓(xùn)練效率、無監(jiān)督的訓(xùn)練方式被廣泛研究[10]。雖然目前深度學(xué)習(xí)在圖像生成方向的應(yīng)用較多,但將生成對(duì)抗網(wǎng)絡(luò)運(yùn)用于傳統(tǒng)紡織圖案開發(fā),并對(duì)其進(jìn)行針對(duì)性模型優(yōu)化設(shè)計(jì)的研究還較為鮮見。本文以書法紡織圖案為研究對(duì)象,針對(duì)其藝術(shù)表現(xiàn)特征與訓(xùn)練難點(diǎn)搭建與優(yōu)化設(shè)計(jì)了基于生成對(duì)抗網(wǎng)絡(luò)的開發(fā)模型,對(duì)人工智能算法與設(shè)計(jì)師協(xié)同設(shè)計(jì)開發(fā)紡織圖案進(jìn)行了嘗試與探索。

    1 模型搭建與優(yōu)化

    1.1 模型搭建

    本文基于深度學(xué)習(xí)生成對(duì)抗網(wǎng)絡(luò),搭建了由生成模塊與判別模塊組成的神經(jīng)網(wǎng)絡(luò)模型軀干架構(gòu),如圖1所示。生成模塊在模型中扮演紡織圖案設(shè)計(jì)師的角色,通過訓(xùn)練模擬人類設(shè)計(jì)師設(shè)計(jì)開發(fā)出傳統(tǒng)書法紡織圖案。判別模塊則在模型中扮演設(shè)計(jì)評(píng)論家的角色,通過訓(xùn)練和學(xué)習(xí)來識(shí)別提取傳統(tǒng)書法紡織圖案的藝術(shù)表現(xiàn)特征與文化基因,進(jìn)而判斷輸入圖案是由人類創(chuàng)作的還是由生成模塊模擬創(chuàng)作的。

    1.2 模型優(yōu)化

    在深度學(xué)習(xí)計(jì)算機(jī)視覺的眾多研究課題的研究對(duì)象中,傳統(tǒng)文化圖案區(qū)別于大多實(shí)物圖像,以其為對(duì)象的機(jī)器訓(xùn)練研究存在難度,需要針對(duì)其特點(diǎn)對(duì)模型進(jìn)行優(yōu)化設(shè)計(jì)。本文在模型軀干架構(gòu)基礎(chǔ)上,添入了訓(xùn)練樣本自動(dòng)擴(kuò)增與標(biāo)準(zhǔn)化預(yù)處理模塊,使用了批標(biāo)準(zhǔn)化機(jī)制、帶泄露修正線性單元、RMSProp、Wasserstein Loss損失函數(shù)等優(yōu)化設(shè)計(jì)。對(duì)模型性能進(jìn)行了針對(duì)性的優(yōu)化提高,使其更適合處理傳統(tǒng)書法紡織圖案。

    1.2.1 訓(xùn)練樣本自動(dòng)預(yù)處理模塊

    目前研究比較成熟的深度學(xué)習(xí)圖像應(yīng)用例如人臉識(shí)別、交通目標(biāo)定位等因?yàn)橛?xùn)練樣本多為實(shí)物照片,可搜集到的訓(xùn)練樣本數(shù)量更多,甚至可直接利用公共圖像樣本集如ImageNet、The PASCAL Visual Object Classes等[11]。傳統(tǒng)文化圖案多為藝術(shù)創(chuàng)作,因此普遍存在訓(xùn)練樣本數(shù)量少、圖像規(guī)格不統(tǒng)一等問題。針對(duì)此問題,本文對(duì)模型軀干架構(gòu)添入圖案自擴(kuò)增標(biāo)準(zhǔn)化預(yù)處理模塊。模塊可對(duì)輸入的訓(xùn)練集圖像進(jìn)行合適范圍內(nèi)的自動(dòng)數(shù)量擴(kuò)增及標(biāo)準(zhǔn)化預(yù)處理,很大程度提升了整體模型的小樣本可訓(xùn)練度,減低了訓(xùn)練前的人工圖像預(yù)處理工作量。具體來說,本文的訓(xùn)練集包含500張不同規(guī)格的傳統(tǒng)書法紡織圖案,屬于典型的小樣本傳統(tǒng)文化圖案訓(xùn)練集。預(yù)處理模塊通過在預(yù)設(shè)范圍內(nèi)的隨機(jī)翻轉(zhuǎn)、亮度變換、對(duì)比度變換等方法,將樣本數(shù)量有效擴(kuò)增至1 200個(gè)。模塊又通過圖像標(biāo)準(zhǔn)化處理將規(guī)格雜亂的圖像進(jìn)行了自動(dòng)規(guī)格統(tǒng)一處理,這也有效降低了樣本擴(kuò)增隨機(jī)變換帶來的負(fù)面影響。

    1.2.2 批標(biāo)準(zhǔn)化機(jī)制

    為了解決降低神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)可能出現(xiàn)的收斂速度慢、梯度消失等問題,本文通過加入批標(biāo)準(zhǔn)化機(jī)制對(duì)模型進(jìn)行優(yōu)化設(shè)計(jì)。批標(biāo)準(zhǔn)化機(jī)制通過將隱層神經(jīng)元從非正常分布拉回到較為標(biāo)準(zhǔn)的正態(tài)分布來避免梯度消失問題[12]。通過加入批標(biāo)準(zhǔn)化機(jī)制有效提升了訓(xùn)練速度與模型精度,使收斂過程大幅加快;增加了分類效果,很大程度上防止過擬合現(xiàn)象;使調(diào)參過程簡(jiǎn)單化,降低了對(duì)于初始化的要求,提高了學(xué)習(xí)率使用上限等。

    1.2.3 帶泄露修正線性單元

    帶泄露修正線性單元Leaky ReLU于2013年在聲學(xué)模型中被首次提出。帶泄露修正線性單元是經(jīng)典非飽和激活函數(shù)ReLU的一種變體,它既保留了非飽和激活函數(shù)擅于降低梯度消失和加速收斂等性能,又通過給所有負(fù)值賦予一個(gè)非零斜率減少了靜默神經(jīng)元的出現(xiàn)[13]。它有效解決了非飽和激活函數(shù)進(jìn)入負(fù)區(qū)間后神經(jīng)元不學(xué)習(xí)的問題。因此,本文選擇使用帶泄露修正線性單元對(duì)模型進(jìn)行優(yōu)化設(shè)計(jì)。

    1.2.4 RMSProp

    RMSProp的全稱是Root Mean Square Prop,是Geoffrey E.Hinton提出的一種神經(jīng)網(wǎng)絡(luò)優(yōu)化算法。RMSProp通過對(duì)梯度計(jì)算微分平方加權(quán)平均數(shù)來修正擺動(dòng)幅度,使得模型優(yōu)化時(shí)損失函數(shù)收斂速度快又不至于擺動(dòng)幅度太大[14]。因此,本文選擇使用RMSProp來對(duì)模型進(jìn)行優(yōu)化設(shè)計(jì)。

    1.2.5 Wasserstein Loss損失函數(shù)

    GAN的原始損失函數(shù)不足之處主要表現(xiàn)為兩點(diǎn):一是易出現(xiàn)模式坍塌,即生成樣本的多樣性不足;二是其不穩(wěn)定性會(huì)一定程度上導(dǎo)致訓(xùn)練無法收斂。自2014年生成對(duì)抗網(wǎng)絡(luò)被提出以來,很多學(xué)者都在嘗試解決其原始損失函數(shù)的不足,但是效果都不盡人意。Wasserstein Loss損失函數(shù)的提出跨越性地實(shí)現(xiàn)了以下優(yōu)化:徹底解決了生成對(duì)抗網(wǎng)絡(luò)訓(xùn)練不穩(wěn)定的問題,不再需要小心地平衡生成器和判別器的訓(xùn)練程度;基本解決了mode collapse問題,確保了生成樣本的多樣性;訓(xùn)練過程可以通過類似交叉熵、準(zhǔn)確率這樣的數(shù)值來指示訓(xùn)練進(jìn)程,數(shù)值越小代表生成對(duì)抗網(wǎng)絡(luò)訓(xùn)練得越好、生成器產(chǎn)生的圖像質(zhì)量越高[15]。因此,通過選擇使用Wasserstein Loss損失函數(shù)代替原始函數(shù)來對(duì)本文構(gòu)建模型進(jìn)行優(yōu)化升級(jí)。

    經(jīng)自動(dòng)預(yù)處理模塊添入與超參數(shù)優(yōu)化設(shè)計(jì)后,本文在模型前后端進(jìn)行了設(shè)計(jì)師參與模塊的添入。在整個(gè)設(shè)計(jì)開發(fā)行為前,設(shè)計(jì)師在藝術(shù)美學(xué)原則下對(duì)所要設(shè)計(jì)開發(fā)的藝術(shù)類別紡織圖案進(jìn)行語義情景構(gòu)思與原始數(shù)據(jù)集制作,并將其輸入到搭建好的模型算法中。通過模型訓(xùn)練后輸出的全新紡織圖案成為候選,設(shè)計(jì)師在美學(xué)原則下可對(duì)挑選出的圖案進(jìn)行人工加權(quán)調(diào)試后運(yùn)用或是直接進(jìn)行設(shè)計(jì)運(yùn)用。設(shè)計(jì)師參與模塊添入后的完整的設(shè)計(jì)開發(fā)模型如圖2所示。其中判別模型是單獨(dú)訓(xùn)練的,因此判別模型權(quán)重被標(biāo)記為不可訓(xùn)練,以確保僅更新生成模型的權(quán)重。判別模型權(quán)重的可訓(xùn)練性更改僅在訓(xùn)練組合模型時(shí)有效,在單獨(dú)訓(xùn)練判別模型時(shí)無效。模型將隨機(jī)噪點(diǎn)作為輸入,通過生成模塊模擬創(chuàng)作圖案,模型再將創(chuàng)作圖案輸入到判別模塊進(jìn)行二分類輸出。模型使用Wasserstein Loss指示訓(xùn)練進(jìn)程,在學(xué)習(xí)率為0.000 05的RMSProp下進(jìn)行優(yōu)化。

    2 結(jié)果與分析

    2.1 實(shí)驗(yàn)環(huán)境及樣本準(zhǔn)備

    本文所用實(shí)驗(yàn)平臺(tái)為CPU Intel E5-2637v4(美國Intel公司),GPU 4×NVIDIA TITAN X(美國NVIDIA公司),Ubuntu 16.04LTS系統(tǒng)(Canonical公司)。模型構(gòu)建基于深度學(xué)習(xí)框架Keras(后端的編譯器為Tensorflow),使用編程語言Python 3.6實(shí)現(xiàn)。

    考慮到解決傳統(tǒng)圖案小樣本、規(guī)格雜等問題也是本文重要探究方向之一。訓(xùn)練樣本集包含了500張不同尺寸規(guī)格的書法紡織圖案,在模型中設(shè)置了圖案自動(dòng)預(yù)處理模塊,因此訓(xùn)練樣本圖案無需進(jìn)行人工預(yù)處理準(zhǔn)備。

    2.2 訓(xùn)練過程

    網(wǎng)絡(luò)模型在經(jīng)過約16 000次無監(jiān)督學(xué)習(xí)訓(xùn)練循環(huán)后,輸出結(jié)果由一堆噪點(diǎn)逐漸演變?yōu)闄C(jī)器模擬設(shè)計(jì)開發(fā)的書法紡織圖案。圖3為16 000次訓(xùn)練循環(huán)中挑選出的幾個(gè)時(shí)間節(jié)點(diǎn)對(duì)應(yīng)的輸出圖案,可以看出生成模塊通過不斷學(xué)習(xí)訓(xùn)練,在與判別模塊進(jìn)行對(duì)抗的過程中生成的圖案越來越接近真實(shí)。最終在16 h左右訓(xùn)練基本達(dá)到平穩(wěn),組合加權(quán)損失函數(shù)趨近于零,如圖4所示。

    2.3 實(shí)驗(yàn)結(jié)果分析

    2.3.1 對(duì)比實(shí)驗(yàn)

    與傳統(tǒng)的紡織圖案開發(fā)方法相比,本文提出方法表現(xiàn)出了明顯的低技術(shù)壁壘、高效性、可控性與可持續(xù)性。同時(shí)與其他非深度學(xué)習(xí)原理的計(jì)算機(jī)輔助開發(fā)方法例如分形藝術(shù)、均勻隨機(jī)網(wǎng)、拓?fù)錁?gòu)型等,以及非生成對(duì)抗網(wǎng)絡(luò)的深度學(xué)習(xí)模型例如DBM(deep boltzmann machine)、VAE(auto-encoding variational bayes)、NCE(noise-contrastive estimation)等相比,本文所建構(gòu)模型在性能上有著極大的提升,這與生成對(duì)抗網(wǎng)絡(luò)本身的先進(jìn)性有關(guān)。

    通過對(duì)目前流行的生成對(duì)抗網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)與實(shí)驗(yàn)分析,選擇原始生成對(duì)抗網(wǎng)絡(luò)模型(原始GAN)、深度卷積生成對(duì)抗網(wǎng)絡(luò)(DCGAN)模型與本文模型進(jìn)行對(duì)比。相對(duì)于原始GAN模型,DCGAN的最大特點(diǎn)是使用了卷積層,提高了模型訓(xùn)練的穩(wěn)定性。除收斂時(shí)間、生成時(shí)間等指標(biāo)外,選擇了Salimans等[16]在2016年提出的IS(inception score)與FID(fréchet inception distance)作為關(guān)鍵指標(biāo)對(duì)模型性能進(jìn)行評(píng)分。IS與FID被廣泛運(yùn)用于衡量生成對(duì)抗網(wǎng)絡(luò)輸出圖像質(zhì)量與多樣性。IS得分越高,F(xiàn)ID值越低,生成的圖像多樣性與質(zhì)量越高。其中FID在評(píng)判生成圖像真實(shí)性與變化性上更為接近人類的判斷,非常適合用于評(píng)價(jià)主觀性創(chuàng)作圖案。表1為部分訓(xùn)練集圖案與模型開發(fā)圖案的對(duì)比。對(duì)比實(shí)驗(yàn)數(shù)據(jù)結(jié)果如表2所示,構(gòu)建模型相比原始GAN模型與DCGAN模型在傳統(tǒng)書法紡織圖案的創(chuàng)新設(shè)計(jì)上表現(xiàn)出更優(yōu)的性能。

    2.3.2 人工評(píng)估實(shí)驗(yàn)

    考慮到紡織圖案數(shù)字生成的藝術(shù)創(chuàng)作主觀性,本文除了對(duì)模型進(jìn)行了客觀對(duì)比實(shí)驗(yàn),還設(shè)置了人工主觀評(píng)估實(shí)驗(yàn)。本實(shí)驗(yàn)受訪者共50位,由本科以上學(xué)歷隨機(jī)年齡段的30位設(shè)計(jì)相關(guān)從業(yè)者與20位非設(shè)計(jì)相關(guān)從業(yè)者組成。實(shí)驗(yàn)對(duì)受訪者發(fā)放了50張傳統(tǒng)書法紡織圖案實(shí)驗(yàn)樣本,50張實(shí)驗(yàn)樣本由25張?jiān)O(shè)計(jì)師創(chuàng)作圖案和25張模型模擬開發(fā)圖案組成。實(shí)驗(yàn)受訪者在不知道兩類圖案組成比例的情況下對(duì)每張圖片進(jìn)行判別分類,最終對(duì)判別結(jié)果的正確率進(jìn)行計(jì)算,結(jié)果如表3所示。受訪者判斷圖片的正確率主要集中分布在40%~60%,區(qū)域人數(shù)占比達(dá)到84.00%,并且在測(cè)試過程中表現(xiàn)出更多的不確定及猜測(cè)判斷。設(shè)計(jì)相關(guān)從業(yè)人員在內(nèi)的大部分受訪者無法分辨出生成圖案與真實(shí)圖案,即本文模型創(chuàng)作的傳統(tǒng)書法紡織圖案擁有較高的真實(shí)度。

    2.3.3 設(shè)計(jì)運(yùn)用

    為了進(jìn)一步驗(yàn)證本文模型的實(shí)踐價(jià)值,本文對(duì)部分模型輸出圖案進(jìn)行了設(shè)計(jì)運(yùn)用,如表4所示。結(jié)果顯示,設(shè)計(jì)師通過模型能較好地實(shí)現(xiàn)書法紡織圖案的人工智能協(xié)同設(shè)計(jì)開發(fā),最終的設(shè)計(jì)運(yùn)用作品也在一定程度上呈現(xiàn)出中國傳統(tǒng)書法圖案“氣韻生動(dòng)”的藝術(shù)特征與文化內(nèi)涵。

    3 結(jié) 論

    本文基于生成對(duì)抗網(wǎng)絡(luò)搭建了書法紡織圖案設(shè)計(jì)開發(fā)模型。在本文模型中,設(shè)計(jì)師與人工智能算法協(xié)同設(shè)計(jì)開發(fā)紡織圖案,完成了由計(jì)算機(jī)軟件輔助設(shè)計(jì)到人工智能算法輔助設(shè)計(jì)的轉(zhuǎn)變,在一定程度上解決了傳統(tǒng)紡織圖案設(shè)計(jì)方法無法通過規(guī)模經(jīng)濟(jì)降低邊際成本的難題。模型針對(duì)書法紡織圖案特點(diǎn)進(jìn)行了自動(dòng)預(yù)處理模塊添入與超參數(shù)優(yōu)化設(shè)計(jì)。在與主流生成對(duì)抗網(wǎng)絡(luò)模型的對(duì)比實(shí)驗(yàn)中,本文模型在訓(xùn)練時(shí)間、生成時(shí)間與生成圖案多樣性等方面表現(xiàn)出更優(yōu)性能,同時(shí)解決了傳統(tǒng)紡織圖案普遍存在的樣本少、規(guī)格雜等訓(xùn)練難點(diǎn)。該方法為解決當(dāng)下中國傳統(tǒng)紡織圖案高開發(fā)需求與傳統(tǒng)創(chuàng)作方法不匹配問題提供了新的解決思路,將對(duì)傳統(tǒng)紡織文化數(shù)字化傳承與紡織產(chǎn)業(yè)設(shè)計(jì)環(huán)節(jié)創(chuàng)新升級(jí)起到積極作用。

    參考文獻(xiàn):

    [1]鄒曉. 漢字文化與現(xiàn)代設(shè)計(jì)[J]. 裝飾, 2003(6): 39-39.

    ZOU Xiao. Chinese character culture and modern design[J]. ZHUANGSHI, 2003(6): 39-39.

    [2]劉麗嫻, 王靖文. 中國古代絲織品的織款及其圖形構(gòu)成[J]. 絲綢, 2011, 48(7): 50-53.

    LIU Lixian, WANG Jingwen. The weaving style and graphic composition of ancient Chinese silk fabrics[J]. Journal of Silk, 2011, 48(7): 50-53.

    [3]SMITH A. Nations and Nationalism in a Global Era[M]. Cambridge: Polity Press, 1995.

    [4]沈雷, 郭萌萌. 民間剪紙?jiān)卦诮z綢服裝設(shè)計(jì)中的應(yīng)用[J]. 絲綢, 2011, 48(7): 37-39.

    SHEN Lei, GUO Mengmeng. Application of folk paper cutting elements in silk clothing design[J]. Journal of Silk, 2011, 48(7): 37-39.

    [5]HUDEC G, LIOVIC M. Fractals and its applications in textile pattern design[J]. Tekstil Zagreb, 1999, 48(9): 448-451.

    [6]張聿. 基于弱混沌理論的紋織設(shè)計(jì)方法研究[J]. 紡織學(xué)報(bào), 2004, 25(4): 22-23.

    ZHANG Yu. Research on jacquard design method based on weak chaos theory[J]. Journal of Textile Research, 2004, 25(4): 22-23.

    [7]姜延, 劉正東, 陳春麗. 基于面料力學(xué)屬性的三維織物模擬[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2012, 24(3): 323-329.

    JIANG Yan, LIU Zhengdong, CHEN Chunli. 3D textile simulation based on fabric mechanical properties[J]. Journal of Computer Aided Design & Computer Graphics, 2012, 24(3): 323-329.

    [8]趙海英, 彭宏, 楊一帆, 等. 基于拓?fù)錁?gòu)型的地毯圖案生成方法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2013, 25(4): 502-509.

    ZHAO Haiying, PENG Hong, YANG Yifan, et al. A generation met hod of carpet pattern based on topology configuration[J]. Journal of Computer Aided Design & Computer Graphics, 2013, 25(4): 502-509.

    [9]鄭銳, 錢文華, 徐丹, 等. 基于卷積神經(jīng)網(wǎng)絡(luò)的刺繡風(fēng)格數(shù)字合成[J]. 浙江大學(xué)學(xué)報(bào)(理學(xué)版), 2019, 46(3): 270-278.

    ZHENG Rui, QIAN Wenhua, XU Dan, et al. Digital synthesis of embroidery style based on convolution neural network[J]. Journal of Zhejiang University(Science Edition), 2019, 46(3): 270-278.

    [10]GOODFELLOW I J, POUGETABADIE J, MIRZA M, et al. Generative adversarial networks[J]. Advances in Neural Information Processing Systems, 2014(3): 2672-2680.

    [11]王坤峰, 茍超, 段艷杰, 等. 生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 自動(dòng)化學(xué)報(bào), 2017, 43(3): 321-332.

    WANG Kunfeng, GOU Chao, DUAN Yanjie, et al. Generative adversarial networks: the state of the art and beyond[J]. Acta Automatica Sinica, 2017, 43(3): 321-332.

    [12]IOFFE S, SZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[DB]. arXiv preprint arXiv: 1502. 03167, 2015.

    [13]XU B, WANG N, CHEN T, et al. Empirical evaluation of rectified activations in convolutional network[DB]. arXiv preprint arXiv: 1505. 00853, 2015.

    [14]DAUPHIN Y, DE VRIES H, BENGIO Y. Equilibrated adaptive learning rates for non-convex optimization[C]//Advances in Neural Information Processing Systems. 2015: 1504-1512.

    [15]ARJOVSKY M, CHINTALA S, BOTTOU L. Wasserstein gan[DB]. arXiv preprint arXiv: 1701. 07875, 2017.

    [16]SALIMANS T, GOODFELLOW I, ZAREMBA W, et al. Improved techniques for training gans[DB]. arXiv preprint arXiv: 1606. 03498, 2016.

    猜你喜歡
    生成對(duì)抗網(wǎng)絡(luò)傳統(tǒng)圖案深度學(xué)習(xí)
    基于深度卷積生成對(duì)抗網(wǎng)絡(luò)模型的超分辨數(shù)據(jù)重建
    基于生成對(duì)抗網(wǎng)絡(luò)的圖片風(fēng)格遷移
    基于生成對(duì)抗網(wǎng)絡(luò)的人臉灰度圖上色
    非真實(shí)感繪制技術(shù)的發(fā)展綜述
    傳統(tǒng)圖案與現(xiàn)代文化·生活·設(shè)計(jì)的關(guān)系
    中國傳統(tǒng)圖案對(duì)現(xiàn)代商業(yè)品牌包裝設(shè)計(jì)的影響
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    淺析民族文化和傳統(tǒng)圖案在面料設(shè)計(jì)中的應(yīng)用
    久久久久亚洲av毛片大全| 精品99又大又爽又粗少妇毛片 | 一区福利在线观看| 啦啦啦免费观看视频1| 国产一区二区在线观看日韩 | 国产乱人伦免费视频| 亚洲中文字幕日韩| www.自偷自拍.com| 在线观看一区二区三区| 热99在线观看视频| 国产欧美日韩精品亚洲av| 国产亚洲欧美在线一区二区| 一夜夜www| 99riav亚洲国产免费| 日韩有码中文字幕| 午夜福利成人在线免费观看| 亚洲在线观看片| 中文字幕高清在线视频| 熟妇人妻久久中文字幕3abv| 全区人妻精品视频| 亚洲中文日韩欧美视频| 一本精品99久久精品77| 成年免费大片在线观看| 最近在线观看免费完整版| 久久久久九九精品影院| 日韩av在线大香蕉| 久久精品综合一区二区三区| 丁香欧美五月| 日本成人三级电影网站| 特级一级黄色大片| 天堂av国产一区二区熟女人妻| 最近最新中文字幕大全电影3| 一卡2卡三卡四卡精品乱码亚洲| 两个人视频免费观看高清| 亚洲真实伦在线观看| 国产高清激情床上av| 深夜精品福利| 亚洲精品国产精品久久久不卡| 免费大片18禁| 午夜激情欧美在线| 国产人伦9x9x在线观看| 久久精品亚洲精品国产色婷小说| 日韩中文字幕欧美一区二区| 精品久久久久久,| 免费电影在线观看免费观看| 极品教师在线免费播放| 给我免费播放毛片高清在线观看| 1024手机看黄色片| 亚洲欧美精品综合久久99| 亚洲av成人精品一区久久| 国产成+人综合+亚洲专区| 亚洲成人免费电影在线观看| 欧美av亚洲av综合av国产av| 在线免费观看的www视频| 99国产综合亚洲精品| 这个男人来自地球电影免费观看| 亚洲成a人片在线一区二区| 色综合婷婷激情| 日韩免费av在线播放| 亚洲精品国产精品久久久不卡| 亚洲人成电影免费在线| 99久久精品一区二区三区| 亚洲专区中文字幕在线| 国产精品自产拍在线观看55亚洲| 国产视频内射| 国产亚洲欧美98| 精品一区二区三区四区五区乱码| 蜜桃久久精品国产亚洲av| 欧美另类亚洲清纯唯美| 波多野结衣巨乳人妻| 曰老女人黄片| 精品电影一区二区在线| 国产三级在线视频| 天堂√8在线中文| 久久香蕉国产精品| 亚洲精品美女久久av网站| 久久中文字幕人妻熟女| 男人和女人高潮做爰伦理| 国产v大片淫在线免费观看| 亚洲欧美日韩高清在线视频| 白带黄色成豆腐渣| 村上凉子中文字幕在线| 亚洲av成人av| 这个男人来自地球电影免费观看| 精品午夜福利视频在线观看一区| 真人做人爱边吃奶动态| 精品一区二区三区视频在线观看免费| 国产一区二区在线观看日韩 | 精品日产1卡2卡| 成人一区二区视频在线观看| 一二三四在线观看免费中文在| 日韩欧美国产一区二区入口| 午夜免费观看网址| av在线天堂中文字幕| 久久久精品欧美日韩精品| 国产高清有码在线观看视频| 成人特级av手机在线观看| 欧美成人性av电影在线观看| 无人区码免费观看不卡| 午夜久久久久精精品| www国产在线视频色| 国产精品 欧美亚洲| 91在线观看av| 悠悠久久av| 久久精品国产亚洲av香蕉五月| 久久中文字幕人妻熟女| 18禁黄网站禁片午夜丰满| 午夜福利成人在线免费观看| 日韩欧美在线乱码| 99视频精品全部免费 在线 | 成年女人毛片免费观看观看9| 高清在线国产一区| 亚洲欧美日韩东京热| 男人舔奶头视频| 97超视频在线观看视频| 国产高清有码在线观看视频| 一进一出抽搐动态| 制服人妻中文乱码| 欧美不卡视频在线免费观看| 亚洲美女黄片视频| 19禁男女啪啪无遮挡网站| a在线观看视频网站| 精品久久蜜臀av无| 成人精品一区二区免费| 国内精品美女久久久久久| 热99在线观看视频| 欧美性猛交黑人性爽| 一个人观看的视频www高清免费观看 | 久久精品综合一区二区三区| 1024手机看黄色片| 国产精品一区二区免费欧美| 国产乱人伦免费视频| 免费av不卡在线播放| 99久久久亚洲精品蜜臀av| av国产免费在线观看| 国产一区二区三区在线臀色熟女| 在线观看免费午夜福利视频| 久久久久久久久免费视频了| 国产乱人伦免费视频| 91av网一区二区| 国产欧美日韩一区二区三| 日韩三级视频一区二区三区| 丝袜人妻中文字幕| 欧美黄色淫秽网站| 校园春色视频在线观看| 亚洲午夜理论影院| 亚洲国产精品合色在线| 好男人电影高清在线观看| 精品国产美女av久久久久小说| 淫秽高清视频在线观看| 99久久无色码亚洲精品果冻| 99久久精品国产亚洲精品| 成人一区二区视频在线观看| 男女下面进入的视频免费午夜| 黄色成人免费大全| 日本成人三级电影网站| 亚洲国产精品999在线| 久久精品综合一区二区三区| 男插女下体视频免费在线播放| 色综合欧美亚洲国产小说| 久久久久久久久中文| 三级男女做爰猛烈吃奶摸视频| 精华霜和精华液先用哪个| 天天添夜夜摸| 亚洲成av人片免费观看| 成人三级做爰电影| 韩国av一区二区三区四区| 亚洲成人久久性| 国产真人三级小视频在线观看| 久久久久久大精品| 在线观看日韩欧美| 精品久久久久久久久久免费视频| 三级男女做爰猛烈吃奶摸视频| av中文乱码字幕在线| 亚洲精品色激情综合| 中文字幕人妻丝袜一区二区| www日本黄色视频网| 精品久久蜜臀av无| svipshipincom国产片| 久久午夜综合久久蜜桃| 亚洲国产精品成人综合色| 久久精品国产清高在天天线| 亚洲中文字幕一区二区三区有码在线看 | 日韩精品青青久久久久久| 村上凉子中文字幕在线| 人妻夜夜爽99麻豆av| 久久久久久九九精品二区国产| 日本五十路高清| 丁香欧美五月| 草草在线视频免费看| 在线观看美女被高潮喷水网站 | 亚洲自偷自拍图片 自拍| 国产综合懂色| 国产精品精品国产色婷婷| 午夜福利欧美成人| 99久久99久久久精品蜜桃| www.精华液| 午夜福利在线观看吧| 综合色av麻豆| 18禁美女被吸乳视频| 男女之事视频高清在线观看| 亚洲精品久久国产高清桃花| 欧美成人一区二区免费高清观看 | 亚洲国产欧美网| 一个人看的www免费观看视频| 99久久久亚洲精品蜜臀av| 国产一区在线观看成人免费| 久久香蕉国产精品| 91在线精品国自产拍蜜月 | 99久国产av精品| 国产探花在线观看一区二区| 国产精品一区二区精品视频观看| 男女午夜视频在线观看| 国产精品一区二区三区四区免费观看 | 男女做爰动态图高潮gif福利片| avwww免费| 国产精品久久久久久久电影 | 男女床上黄色一级片免费看| 九九久久精品国产亚洲av麻豆 | 88av欧美| 欧美黄色片欧美黄色片| 哪里可以看免费的av片| 国产高清视频在线观看网站| 国产午夜精品久久久久久| 国产又色又爽无遮挡免费看| 国产亚洲欧美在线一区二区| 首页视频小说图片口味搜索| 国内精品一区二区在线观看| 少妇丰满av| 国产精华一区二区三区| 欧美日韩国产亚洲二区| 国产免费av片在线观看野外av| 免费看十八禁软件| 色综合婷婷激情| 午夜福利欧美成人| 国产精品美女特级片免费视频播放器 | 日韩欧美三级三区| 美女高潮的动态| 日韩欧美在线乱码| 在线永久观看黄色视频| 99热6这里只有精品| 老熟妇乱子伦视频在线观看| 国产午夜精品久久久久久| 色综合欧美亚洲国产小说| 亚洲中文字幕日韩| 国产欧美日韩一区二区三| 俺也久久电影网| 国产熟女xx| 91麻豆精品激情在线观看国产| 一进一出抽搐动态| 免费av不卡在线播放| 亚洲国产欧美人成| 国产久久久一区二区三区| 亚洲成人久久性| 欧美成人性av电影在线观看| 窝窝影院91人妻| 国产又色又爽无遮挡免费看| 精品无人区乱码1区二区| 国产精品99久久99久久久不卡| 琪琪午夜伦伦电影理论片6080| 亚洲avbb在线观看| 亚洲专区中文字幕在线| 这个男人来自地球电影免费观看| 国产亚洲精品一区二区www| 九九久久精品国产亚洲av麻豆 | 成年女人看的毛片在线观看| 性色av乱码一区二区三区2| 亚洲在线自拍视频| 精品国产三级普通话版| 欧美色欧美亚洲另类二区| 九九在线视频观看精品| 欧美成人性av电影在线观看| 日韩欧美在线乱码| 国产高清视频在线观看网站| 午夜成年电影在线免费观看| 国产男靠女视频免费网站| 国产成人影院久久av| 超碰成人久久| 琪琪午夜伦伦电影理论片6080| 国产高清videossex| av天堂在线播放| 黄片大片在线免费观看| 成人高潮视频无遮挡免费网站| 国产成人福利小说| 黄色丝袜av网址大全| 日韩精品青青久久久久久| 亚洲精品中文字幕一二三四区| 午夜福利在线观看吧| 18禁黄网站禁片免费观看直播| 日日夜夜操网爽| 中文字幕高清在线视频| 中文资源天堂在线| 特级一级黄色大片| 美女被艹到高潮喷水动态| 精品日产1卡2卡| 国产成人一区二区三区免费视频网站| 天堂av国产一区二区熟女人妻| 一a级毛片在线观看| 亚洲国产色片| 日本成人三级电影网站| 亚洲aⅴ乱码一区二区在线播放| 真人做人爱边吃奶动态| 深夜精品福利| svipshipincom国产片| 婷婷精品国产亚洲av在线| 黄片大片在线免费观看| 亚洲精品一卡2卡三卡4卡5卡| 亚洲性夜色夜夜综合| 一级毛片女人18水好多| 一进一出好大好爽视频| 欧美另类亚洲清纯唯美| 午夜福利18| 国产麻豆成人av免费视频| 亚洲中文字幕日韩| 18美女黄网站色大片免费观看| 在线观看舔阴道视频| 在线视频色国产色| 又大又爽又粗| 白带黄色成豆腐渣| 天堂动漫精品| 国产视频内射| 神马国产精品三级电影在线观看| 欧美色视频一区免费| 亚洲专区国产一区二区| 两个人视频免费观看高清| 中文字幕av在线有码专区| 国产精品免费一区二区三区在线| 亚洲精品乱码久久久v下载方式 | 亚洲熟妇中文字幕五十中出| 欧美大码av| 国产又色又爽无遮挡免费看| 婷婷丁香在线五月| 色在线成人网| 97超级碰碰碰精品色视频在线观看| 午夜福利高清视频| 1024手机看黄色片| 久久精品91蜜桃| 69av精品久久久久久| 亚洲无线观看免费| 亚洲av电影在线进入| 国产精品电影一区二区三区| 亚洲精品美女久久av网站| 午夜久久久久精精品| 国产不卡一卡二| e午夜精品久久久久久久| 久久久久久九九精品二区国产| 俺也久久电影网| 国产亚洲精品一区二区www| 久久久久久大精品| 亚洲av成人一区二区三| 噜噜噜噜噜久久久久久91| 国产av一区在线观看免费| 色噜噜av男人的天堂激情| 首页视频小说图片口味搜索| 在线视频色国产色| 99久国产av精品| 亚洲国产精品sss在线观看| 国产97色在线日韩免费| 人人妻人人澡欧美一区二区| 国内精品久久久久久久电影| 91字幕亚洲| 在线观看免费午夜福利视频| 好男人电影高清在线观看| 最近在线观看免费完整版| 国产精品一区二区三区四区免费观看 | 国产一区二区三区在线臀色熟女| 黑人操中国人逼视频| 亚洲国产欧美人成| 国产亚洲精品综合一区在线观看| 欧美性猛交黑人性爽| 成人一区二区视频在线观看| 国产精品九九99| 日日摸夜夜添夜夜添小说| 亚洲熟妇中文字幕五十中出| 国产激情欧美一区二区| АⅤ资源中文在线天堂| 啦啦啦韩国在线观看视频| 亚洲熟妇中文字幕五十中出| 日日摸夜夜添夜夜添小说| 国产一区二区在线av高清观看| 免费观看精品视频网站| 99在线人妻在线中文字幕| 国产成人av激情在线播放| 美女黄网站色视频| 国产在线精品亚洲第一网站| 中文字幕人妻丝袜一区二区| 免费在线观看日本一区| 久久久国产精品麻豆| 天堂av国产一区二区熟女人妻| 久久久久久国产a免费观看| 99精品在免费线老司机午夜| 成年女人永久免费观看视频| 国产亚洲精品av在线| 国产精品爽爽va在线观看网站| 亚洲av片天天在线观看| 久久中文字幕人妻熟女| 亚洲自偷自拍图片 自拍| 精品免费久久久久久久清纯| 欧美激情久久久久久爽电影| 久久亚洲真实| 日韩欧美精品v在线| 日本撒尿小便嘘嘘汇集6| 国产av在哪里看| 首页视频小说图片口味搜索| avwww免费| 欧美国产日韩亚洲一区| 久久精品国产清高在天天线| 国产精品一区二区免费欧美| 一区福利在线观看| 日韩欧美国产在线观看| 国产精品一区二区三区四区久久| 可以在线观看毛片的网站| 90打野战视频偷拍视频| 99国产精品一区二区三区| 亚洲国产精品成人综合色| 黄色成人免费大全| 中亚洲国语对白在线视频| 日本成人三级电影网站| 麻豆成人午夜福利视频| ponron亚洲| 美女 人体艺术 gogo| 人人妻人人澡欧美一区二区| 校园春色视频在线观看| 91麻豆精品激情在线观看国产| 亚洲av成人精品一区久久| 19禁男女啪啪无遮挡网站| 国产伦精品一区二区三区四那| 成人特级av手机在线观看| 欧美高清成人免费视频www| 免费大片18禁| 国产乱人伦免费视频| 嫁个100分男人电影在线观看| 国产99白浆流出| 一进一出抽搐动态| 91av网一区二区| 国产精品 欧美亚洲| 亚洲av免费在线观看| 啦啦啦韩国在线观看视频| 噜噜噜噜噜久久久久久91| 不卡av一区二区三区| 亚洲国产精品成人综合色| 亚洲人成网站在线播放欧美日韩| av女优亚洲男人天堂 | 久久伊人香网站| 18禁国产床啪视频网站| 真人做人爱边吃奶动态| 亚洲七黄色美女视频| 亚洲精品粉嫩美女一区| 亚洲国产欧美网| 男女之事视频高清在线观看| 亚洲精品一卡2卡三卡4卡5卡| 两性夫妻黄色片| 不卡一级毛片| 毛片女人毛片| 不卡一级毛片| 美女高潮的动态| 国产高清激情床上av| 欧美大码av| 成年女人永久免费观看视频| netflix在线观看网站| 偷拍熟女少妇极品色| 亚洲国产精品合色在线| 欧美成狂野欧美在线观看| 国内少妇人妻偷人精品xxx网站 | 18禁国产床啪视频网站| 日日摸夜夜添夜夜添小说| 91av网站免费观看| 精品不卡国产一区二区三区| 精品欧美国产一区二区三| 国产av在哪里看| 国产激情久久老熟女| 男女床上黄色一级片免费看| 国产熟女xx| 日本 欧美在线| 国产一级毛片七仙女欲春2| 18禁黄网站禁片午夜丰满| 成人三级黄色视频| 制服人妻中文乱码| 久久久久久国产a免费观看| 日韩国内少妇激情av| 性色avwww在线观看| 亚洲成人久久性| 又爽又黄无遮挡网站| 他把我摸到了高潮在线观看| 波多野结衣巨乳人妻| 黄频高清免费视频| 99视频精品全部免费 在线 | 久久这里只有精品中国| 欧美一级a爱片免费观看看| a级毛片a级免费在线| 国产精品一区二区三区四区免费观看 | 在线观看免费午夜福利视频| 18禁黄网站禁片免费观看直播| 国产综合懂色| 亚洲av日韩精品久久久久久密| 香蕉久久夜色| 久久久久九九精品影院| 欧美又色又爽又黄视频| 99热这里只有精品一区 | 老司机午夜福利在线观看视频| 99久久精品热视频| 成人一区二区视频在线观看| 国产精品女同一区二区软件 | 黄频高清免费视频| 一级毛片精品| 久久久水蜜桃国产精品网| 在线播放国产精品三级| 色噜噜av男人的天堂激情| 两人在一起打扑克的视频| 久久久久亚洲av毛片大全| 国产成人一区二区三区免费视频网站| 99久久久亚洲精品蜜臀av| 又大又爽又粗| 全区人妻精品视频| 日本 欧美在线| 变态另类成人亚洲欧美熟女| 露出奶头的视频| 可以在线观看毛片的网站| 99在线人妻在线中文字幕| 天堂网av新在线| 色综合亚洲欧美另类图片| 欧美一级毛片孕妇| 女人高潮潮喷娇喘18禁视频| 久久这里只有精品19| 亚洲成人久久性| av女优亚洲男人天堂 | 美女扒开内裤让男人捅视频| 免费高清视频大片| 欧美乱色亚洲激情| 青草久久国产| 久久欧美精品欧美久久欧美| 91麻豆av在线| 长腿黑丝高跟| 在线十欧美十亚洲十日本专区| 成年人黄色毛片网站| 最好的美女福利视频网| 午夜久久久久精精品| av在线天堂中文字幕| 欧美日韩综合久久久久久 | 国产高清视频在线播放一区| 一卡2卡三卡四卡精品乱码亚洲| 天堂动漫精品| 又黄又爽又免费观看的视频| 日韩有码中文字幕| av欧美777| 一级毛片高清免费大全| 天天躁日日操中文字幕| 神马国产精品三级电影在线观看| 亚洲天堂国产精品一区在线| 免费看美女性在线毛片视频| 亚洲 欧美 日韩 在线 免费| 欧美丝袜亚洲另类 | 久久久久久久久免费视频了| 午夜亚洲福利在线播放| 人妻夜夜爽99麻豆av| 成人亚洲精品av一区二区| 久久香蕉国产精品| 一二三四在线观看免费中文在| 黄色片一级片一级黄色片| 国产精品av视频在线免费观看| 可以在线观看毛片的网站| 天天躁日日操中文字幕| 午夜福利在线在线| 日韩欧美国产在线观看| 日本免费a在线| 国产99白浆流出| 成人三级做爰电影| 久久精品影院6| 日韩精品中文字幕看吧| 一进一出抽搐动态| 久久天堂一区二区三区四区| 又黄又粗又硬又大视频| 亚洲色图 男人天堂 中文字幕| 国产又色又爽无遮挡免费看| 一区二区三区国产精品乱码| 18禁裸乳无遮挡免费网站照片| 日韩欧美精品v在线| 精品国内亚洲2022精品成人| a级毛片在线看网站| 国产av在哪里看| 淫妇啪啪啪对白视频| 亚洲av熟女| 日韩欧美国产一区二区入口| 男女那种视频在线观看| 日本a在线网址| 亚洲成人久久性| 成人18禁在线播放| 91av网站免费观看| ponron亚洲| 亚洲天堂国产精品一区在线| 精品免费久久久久久久清纯| 日韩人妻高清精品专区| 中文在线观看免费www的网站| 国产精品av久久久久免费| 黄色 视频免费看| 国产成人啪精品午夜网站| 极品教师在线免费播放| 午夜福利在线观看免费完整高清在 | aaaaa片日本免费| 99精品欧美一区二区三区四区| 国产精品一区二区三区四区免费观看 | 亚洲avbb在线观看| 露出奶头的视频| 国产一区二区三区视频了| 日韩欧美在线二视频| 成在线人永久免费视频| 国产99白浆流出| 国产精品 欧美亚洲| 九九热线精品视视频播放| 精品国产亚洲在线| 蜜桃久久精品国产亚洲av| 国产一区二区三区在线臀色熟女| 国产99白浆流出| 国产精品永久免费网站| 国内毛片毛片毛片毛片毛片|