AI从整块布料生成徽标

从整块布料生成徽标并非完全新颖：Logojoy之类的初创企业利用AI来按需创建数千个横幅和品牌元素。但是，在预印本服务器Arxiv.org上发表的一篇新论文中，荷兰马斯特里赫特大学的科学家提出了一种AI系统，该系统能够以比以前更高的分辨率和细节来合成徽标。
它建立在团队先前的徽标制作机器学习系统LoGAN上，他们在去年10月发布的一项研究中对其进行了详细介绍。与新的和改进的算法不同，LoGAN仅提供十二个颜色关键字之一才能创建新设计。
“由于大多数美国人每天都会收到4,000至20,000个广告，因此公司对品牌的关注日益增加。这给设计师施加了压力，他们要提出美学而又新颖和独特的设计，以使他们的设计与众不同。”合著者写道。 “ [AI]可以通过为设计师提供灵感或减少与客户的设计迭代次数来帮助设计师。”
这项最新的尝试是生成对抗网络(GAN)，由两部分组成的神经网络，由生成样本和鉴别器的生成器组成，这些样本和鉴别器试图区分生成的样本和真实样本，并用低分辨率图像稳定并馈入更高的分辨率。解决方案随着培训的进行而分层。研究人员说，由于低分辨率图像包含的细节较少，因此该系统能够快速学习大规模模式，并随着图像分辨率的提高而从粗略的细节逐渐转变为更精细的细节。
为了汇编训练数据集，合著者首先从恰当命名的“大徽标数据集”中准备了样本，“大徽标数据集”包含从Twitter抓取的超过120,000个独特的400像素徽标。他们消除了每个基于文本的徽标，总共留下了40,000个徽标，并补充了Google提供的15,000张与自然，技术，插图文字和其他此类主题有关的“类似于徽标”的图像。然后，他们使用Google的Cloud Vision服务生成描述徽标内容的四到八个单词标签，然后使用预先训练的AI模型对其进行矢量化处理，以为每个示例创建空间表示。接下来对空间表示进行聚类，以识别具有相似视觉特征的空间表示。
在三个实验过程中，研究人员报告说，他们的模型生成了“始终如一的高质量”的稳定徽标。在形状，设计或配色方案中，某些徽标比其他徽标更简单，但该团队断言，输出的多样性表明该模型可以学习高级培训数据分发功能。
值得注意的是，利用AI产生艺术品的能力并不是一个新主意。 Botnik Studios是亚马逊的Alexa Accelerator计划的毕业生，最近教一个神经网络编写了讽刺的Coachella海报，其中列出了虚构的乐队名称。 Prisma是一种流行的智能手机应用程序，它使用一种称为样式转换的机器学习技术来使照片看起来像是在油漆中执行的。游戏设计AI初创公司Promethean AI可以自动构建虚拟景观和内部空间。