很快啊，Stable Diffusion又被發(fā)掘新用途了——

設(shè)計(jì)LOGO最關(guān)鍵的“形意結(jié)合”，被它拿捏得明明白白。看見Cat秒畫貓貓頭：

瑜伽店YOGA幾個(gè)字母用人體形態(tài)一轉(zhuǎn)換，風(fēng)格完全不出錯(cuò)：

只設(shè)計(jì)其中一個(gè)字也沒問題，例如將Dog的D畫成一個(gè)狗子：

屬實(shí)簡(jiǎn)潔又傳神了有木有！

哪怕是面對(duì)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(dá)的LOGO形象：

要是開店用上這個(gè)，哪里還需要花幾十上百塊專門設(shè)計(jì)一個(gè)LOGO出來？（doge）

雖然之前也有不少設(shè)計(jì)LOGO的AI了，不過從這次生成的效果來看，還真有點(diǎn)不太一樣。

保留一部分原有字體的味道

事實(shí)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(jì)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(jì)（圖CE）。

然而，與下面人類手工設(shè)計(jì)的LOGO比起來，上面AI設(shè)計(jì)的效果不能說不好看，但似乎還差那么點(diǎn)意思：

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

人類設(shè)計(jì)師會(huì)在保留原本字體特色、讓人們能一眼認(rèn)出單詞的基礎(chǔ)上，再加入一點(diǎn)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(rèn)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(shí)，加入一定的設(shè)計(jì)感。

例如這是Stable Diffusion生成的“FROG”設(shè)計(jì)，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(jìn)一步進(jìn)行后期處理的話，還能進(jìn)一步實(shí)現(xiàn)上色功能，顯得更加生動(dòng)：

生成LOGO的風(fēng)格也能隨著原本設(shè)計(jì)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(shí)候，倒是更喜歡保留自己的風(fēng)格（手動(dòng)狗頭）：

那么，這種神奇的字體設(shè)計(jì)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(gè)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(huì)用貝塞爾曲線，對(duì)不同字體的字母進(jìn)行小幅度變形。

（用過PS中“鋼筆”的小伙伴們應(yīng)該對(duì)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(diǎn)數(shù)量，則根據(jù)字母復(fù)雜度和字體風(fēng)格進(jìn)行迭代變換，直到設(shè)計(jì)出來的字母符合要求，其中橙色是初始點(diǎn)，藍(lán)色是后續(xù)增加的控制點(diǎn)：

控制點(diǎn)數(shù)量對(duì)生成效果影響有多大？

例如這是不同數(shù)量的控制點(diǎn)生成字母的效果，如果數(shù)量太少，會(huì)看不清設(shè)計(jì)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(jì)思路，作者們結(jié)合Stable Diffusion和CLIP，設(shè)計(jì)出了一整個(gè)字體設(shè)計(jì)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(duì)字母形狀進(jìn)一步進(jìn)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(shí)，也保留了字體的效果：

與此同時(shí)，為了進(jìn)一步保留字體形態(tài)，作者們采用了一個(gè)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(gè)字母的速度也還不錯(cuò)。

在一塊RTX 2080 GPU上，生成單個(gè)字母的LOGO設(shè)計(jì)大約需要5分鐘。

作者介紹

雖然作者們放到項(xiàng)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(jì)算機(jī)視覺。

共同一作Yael Vinker，特拉維夫大學(xué)計(jì)算機(jī)視覺博士生，曾經(jīng)在以色列希伯來大學(xué)獲得計(jì)算機(jī)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(jì)算機(jī)視覺。

這么看來，雷軍當(dāng)年設(shè)計(jì)小米LOGO的200萬元花早了啊

論文地址：https://arxiv.org/abs/2303.01818

項(xiàng)目地址：https://wordasimage.github.io/Word-As-Image-Page/