原文標題:《AI 免費設計 LOGO 效果驚艷，雷軍 200 萬花早了》

很快啊，Stable Diffusion 又被發(fā)掘新用途了 ——

設計 LOGO 最關鍵的“形意結合”，被它拿捏得明明白白?？匆?Cat 秒畫貓貓頭:

瑜伽店 YOGA 幾個字母用人體形態(tài)一轉(zhuǎn)換，風格完全不出錯:

只設計其中一個字也沒問題，例如將 Dog 的 D 畫成一個狗子:

屬實簡潔又傳神了有木有！

哪怕是面對中文字體，AI 也能很好地理解其中的意思，快速畫出甲方想要傳達的 LOGO 形象:

要是開店用上這個，哪里還需要花幾十上百塊專門設計一個 LOGO 出來？

雖然之前也有不少設計 LOGO 的 AI 了，不過從這次生成的效果來看，還真有點不太一樣。

保留一部分原有字體的味道

事實上，在這次研究之前，已經(jīng)有不少研究在考慮如何用 AI 設計 LOGO。

從效果來看，主要可以分成三類:

然而，與下面人類手工設計的 LOGO 比起來，上面 AI 設計的效果不能說不好看，但似乎還差那么點意思:

作者們經(jīng)過一通探查，發(fā)現(xiàn)人類手工設計的 LOGO 并不“喧賓奪主”。

人類設計師會在保留原本字體特色、讓人們能一眼認出單詞的基礎上，再加入一點創(chuàng)新之處，例如將 Jazz 中的 J 改成樂器，但其他人一眼仍然能認出“JAZZ”字體的形狀。

整體來說，就是在保留一部分字體“味道”的同時，加入一定的設計感。

例如這是 Stable Diffusion 生成的“FROG”設計，F(xiàn)RO 仍然是原本字體的形狀，只有 G 變成一只跳出去的小青蛙:

如果用 Stable Diffusion 2 進一步進行后期處理的話，還能進一步實現(xiàn)上色功能，顯得更加生動:

生成 LOGO 的風格也能隨著原本設計字體的變化，而產(chǎn)生不一樣的變化。

例如這是 8 種字體下生成的不同瑜伽 LOGO，每種風格都不一樣:

相比之下，其他 AI 模型在生成字體的時候，倒是更喜歡保留自己的風格:

那么，這種神奇的字體設計 AI 是怎么做出來的？

用貝塞爾曲線調(diào)整字母形狀

為了一定程度上保留原本字體的風格、以及只改變單詞中的某幾個字母，作者們想出一種“微調(diào)”字母形狀的方法 ——

那就是讓 AI 學會用貝塞爾曲線，對不同字體的字母進行小幅度變形。

具體控制點數(shù)量，則根據(jù)字母復雜度和字體風格進行迭代變換，直到設計出來的字母符合要求，其中橙色是初始點，藍色是后續(xù)增加的控制點:

控制點數(shù)量對生成效果影響有多大？

例如這是不同數(shù)量的控制點生成字母的效果，如果數(shù)量太少，會看不清設計的圖像形狀；但數(shù)量過多又容易扭曲字體原本的形狀:

基于這種核心設計思路，作者們結合 Stable Diffusion 和 CLIP，設計出了一整個字體設計 AI 模型:

其中，ACAP損失函數(shù)基于德勞內(nèi)三角形剖分算法，對字母形狀進一步進行了約束。

例如這是 PANTS在變形前和變形之后的形態(tài)，可以看見 ACAP 在保留褲子形態(tài)的同時，也保留了字體的效果:

與此同時，為了進一步保留字體形態(tài)，作者們采用了一個低通濾波器，保證調(diào)整后的字母不與原始字母偏離太多。例如這是 Bear中的 B 調(diào)整后的形態(tài):

應用這套模型，生成每個字母的速度也還不錯。

在一塊 RTX 2080GPU 上，生成單個字母的 LOGO 設計大約需要 5 分鐘。

作者介紹

雖然作者們放到項目主頁上的論文是匿名的:

不過在 arXiv 上，作者們的名字倒是已經(jīng)公開了，他們分別來自以色列特拉維夫大學、Reichman University，以及倫敦大學金史密斯學院:

共同一作 Shir Iluz，特拉維夫大學電子與電氣工程理學碩士，目前的研究方向是生成 AI，感興趣的方向是深度學習與計算機視覺。

共同一作 Yael Vinker，特拉維夫大學計算機視覺博士生，曾經(jīng)在以色列希伯來大學獲得計算機科學本科與碩士學位，目前研究方向同樣是深度學習與計算機視覺。

這么看來，雷軍當年設計小米 LOGO 的 200 萬元花早了啊

論文地址:

項目地址:

鄭重聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內(nèi)容。