AI免費設(shè)計LOGO效果驚艷，雷軍200萬花早了
Stable Diffusion：特意保留了字體的一部分味道
蕭簫 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
很快啊，Stable Diffusion又被發(fā)掘新用途了——
設(shè)計LOGO最關(guān)鍵的“形意結(jié)合”，被它拿捏得明明白白?？匆奀at秒畫貓貓頭：
瑜伽店YOGA幾個字母用人體形態(tài)一轉(zhuǎn)換，風(fēng)格完全不出錯：
只設(shè)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(shè)計一個LOGO出來？（doge）
雖然之前也有不少設(shè)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(shè)計LOGO。
從效果來看，主要可以分成三類：
一是以字體為形狀限制，將圖片風(fēng)格遷移上去（如圖AB）；二是以圖片風(fēng)格為基底，將字體遷移到圖片中去（圖D）；三是將不同圖片的形狀和字體關(guān)聯(lián)起來，生成或彩色或黑白的“圖像拼接”風(fēng)格LOGO設(shè)計（圖CE）。
然而，與下面人類手工設(shè)計的LOGO比起來，上面AI設(shè)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(shè)計的LOGO并不“喧賓奪主”。
人類設(shè)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(chǔ)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(shè)計感。
例如這是Stable Diffusion生成的“FROG”設(shè)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(fēng)格也能隨著原本設(shè)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(fēng)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(fēng)格（手動狗頭）：
那么，這種神奇的字體設(shè)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(fēng)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(xué)會用貝塞爾曲線，對不同字體的字母進行小幅度變形。
（用過PS中“鋼筆”的小伙伴們應(yīng)該對貝塞爾曲線不陌生，用它能控制鼠標(biāo)畫出一些神奇的曲線）
具體控制點數(shù)量，則根據(jù)字母復(fù)雜度和字體風(fēng)格進行迭代變換，直到設(shè)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(shè)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(shè)計思路，作者們結(jié)合Stable Diffusion和CLIP，設(shè)計出了一整個字體設(shè)計AI模型：
其中，ACAP（as conformal as possible）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（褲子）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（熊）中的B調(diào)整后的形態(tài)：
應(yīng)用這套模型，生成每個字母的速度也還不錯。
在一塊RTX 2080?GPU上，生成單個字母的LOGO設(shè)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(xué)、Reichman University（萊希曼大學(xué)），以及倫敦大學(xué)金史密斯學(xué)院：
共同一作Shir Iluz，特拉維夫大學(xué)電子與電氣工程理學(xué)碩士，目前的研究方向是生成AI，感興趣的方向是深度學(xué)習(xí)與計算機視覺。
共同一作Yael Vinker，特拉維夫大學(xué)計算機視覺博士生，曾經(jīng)在以色列希伯來大學(xué)獲得計算機科學(xué)本科與碩士學(xué)位，目前研究方向同樣是深度學(xué)習(xí)與計算機視覺。
這么看來，雷軍當(dāng)年設(shè)計小米LOGO的200萬元花早了啊（手動狗頭）
論文地址：
https://arxiv.org/abs/2303.01818
項目地址：
https://wordasimage.github.io/Word-As-Image-Page/
相關(guān)閱讀
