生成对抗网络(GAN) - 由 生成样本和 鉴别 器的生成器组成的两部分神经网络 ,试图区分生成的样本和真实样本 - 已被用于发现新 药物,创建令人信服的汉堡和蝴蝶照片,并产生脑癌的合成扫描。正如荷兰马斯特里赫特大学(Maastricht University)发表的一篇新论文所揭示的那样,他们在生成标识方面也不差一点。
在预印本服务器Arxiv.org上发表的研究报告(“ LoGAN:生成具有颜色条件的生成性对抗神经网络的标志 ”),科学家们描述了一种人工智能(AI)系统 - 被称为LoGAN--可以制作12种不同颜色的标识。
“为任何设计师设计徽标都是一个漫长,复杂且昂贵的过程。然而,最近生成算法的进步提供了可以提供可能解决方案的模型,“他们写道。“LoGAN的结果首次展示了人工智能如何用于帮助设计师创作过程,并开启有前景的未来方向,例如包括更具描述性的标签,这些标签将提供更加详尽和易于使用的系统。”
研究人员解释说,艺术生成GAN的问题在于它们并不总能产生美学上令人愉悦的结果。他们的解决方案是使用最突出的颜色来定义徽标:黑色,蓝色,棕色,青色,灰色,绿色,橙色,粉红色,紫色,红色,白色和黄色。
该团队在LDD-icons数据集上训练了系统,该数据集由486,777个小图标组成,尺寸为32乘32像素。每种主色用算法提取,并从RGB值转换为颜色词。同时,系统中的第三神经网络(除了生成器和鉴别器之外)对样本图像进行分类。
那么LoGAN怎么办?尽管生成的徽标模糊(由于源图像的低分辨率),但有些徽标非常有说服力。当输入颜色关键字时,它设法得到不规则形状,圆形和方形按钮,甚至是谷歌Chrome徽标的外观。
有趣的是,白色和灰色是12种颜色类别中最常见的三种颜色组合之一。在橙色类中,棕色是神经网络的首选,而在黄色类中,它通常采用蓝色。
研究人员认为,像LoGAN这样的人工智能系统可以处理一些标志设计更加单调的工作,让设计师们能够集思广益。在未来的工作中,他们希望将系统对单词的语义理解扩展到超出颜色的关键字,例如形状和焦点。
他们写道,一个改进的系统可能会在两个不同的数据集上进行训练:一个包含具有明显几何形状的徽标,另一个包含非规则形状的徽标。它可能会使用嵌入模型,其中最常用的单词描述徽标以“提高可解释性”。
“虽然生成的标识具有非常低的分辨率,但它们可以作为最终标识的粗略初稿,或作为设计师的灵感手段,”研究人员写道。“如果给定某个关键字,建议的模型可以成功创建徽标,在我们的案例中,这些关键字由徽标中最突出的颜色组成。这类关键词可以被认为是描述性的,因为它提供了一个易于人类区分的徽标属性。“
利用AI的力量来制作艺术品 并不是一个新想法,值得注意。 Botnik Studios毕业于亚马逊的Alexa Accelerator计划,他最近教授了一个神经网络来编写一份讽刺性的Coachella海报,其中包含一系列虚构的乐队名称。 Prisma是一款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,使照片看起来好像已经在油漆中执行。游戏设计AI启动 Promethean AI可以 自动化构建虚拟景观和室内设计的过程。
文章来源:xixi.ai
Copyright © 2024 妖气游戏网 www.17u1u.com All Rights Reserved