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
