萧箫 发自 凹非寺
量子位 | 公众号 QbitAI

很快啊，Stable Diffusion又被发掘新用途了——

设计LOGO最关键的“形意结合”，被它拿捏得明明白白。看见Cat秒画猫猫头：

瑜伽店YOGA几个字母用人体形态一转换，风格完全不出错：

只设计其中一个字也没问题，例如将Dog的D画成一个狗子：

属实简洁又传神了有木有！

哪怕是面对中文字体，AI也能很好地理解其中的意思，快速画出甲方想要传达的LOGO形象：

要是开店用上这个，哪里还需要花几十上百块专门设计一个LOGO出来？（doge）

虽然之前也有不少设计LOGO的AI了，不过从这次生成的效果来看，还真有点不太一样。

保留一部分原有字体的味道

事实上，在这次研究之前，已经有不少研究在考虑如何用AI设计LOGO。

从效果来看，主要可以分成三类：

一是以字体为形状限制，将图片风格迁移上去（如图AB）；二是以图片风格为基底，将字体迁移到图片中去（图D）；三是将不同图片的形状和字体关联起来，生成或彩色或黑白的“图像拼接”风格LOGO设计（图CE）。

然而，与下面人类手工设计的LOGO比起来，上面AI设计的效果不能说不好看，但似乎还差那么点意思：

作者们经过一通探查，发现人类手工设计的LOGO并不“喧宾夺主”。

人类设计师会在保留原本字体特色、让人们能一眼认出单词的基础上，再加入一点创新之处，例如将Jazz中的J改成乐器，但其他人一眼仍然能认出“JAZZ”字体的形状。

整体来说，就是在保留一部分字体“味道”的同时，加入一定的设计感。

例如这是Stable Diffusion生成的“FROG”设计，FRO仍然是原本字体的形状，只有G变成一只跳出去的小青蛙：

如果用Stable Diffusion 2进一步进行后期处理的话，还能进一步实现上色功能，显得更加生动：

生成LOGO的风格也能随着原本设计字体的变化，而产生不一样的变化。

例如这是8种字体下生成的不同瑜伽LOGO，每种风格都不一样：

相比之下，其他AI模型在生成字体的时候，倒是更喜欢保留自己的风格（手动狗头）：

那么，这种神奇的字体设计AI是怎么做出来的？

用贝塞尔曲线调整字母形状

为了一定程度上保留原本字体的风格、以及只改变单词中的某几个字母，作者们想出一种“微调”字母形状的方法——

那就是让AI学会用贝塞尔曲线，对不同字体的字母进行小幅度变形。

（用过PS中“钢笔”的小伙伴们应该对贝塞尔曲线不陌生，用它能控制鼠标画出一些神奇的曲线）

具体控制点数量，则根据字母复杂度和字体风格进行迭代变换，直到设计出来的字母符合要求，其中橙色是初始点，蓝色是后续增加的控制点：

控制点数量对生成效果影响有多大？

例如这是不同数量的控制点生成字母的效果，如果数量太少，会看不清设计的图像形状；但数量过多又容易扭曲字体原本的形状：

基于这种核心设计思路，作者们结合Stable Diffusion和CLIP，设计出了一整个字体设计AI模型：

其中，ACAP（as conformal as possible）损失函数基于德劳内三角形剖分算法，对字母形状进一步进行了约束。

例如这是PANTS（裤子）在变形前和变形之后的形态，可以看见ACAP在保留裤子形态的同时，也保留了字体的效果：

与此同时，为了进一步保留字体形态，作者们采用了一个低通滤波器，保证调整后的字母不与原始字母偏离太多。例如这是Bear（熊）中的B调整后的形态：

应用这套模型，生成每个字母的速度也还不错。

在一块RTX 2080 GPU上，生成单个字母的LOGO设计大约需要5分钟。

作者介绍

虽然作者们放到项目主页上的论文是匿名的：

不过在arXiv上，作者们的名字倒是已经公开了，他们分别来自以色列特拉维夫大学、Reichman University（莱希曼大学），以及伦敦大学金史密斯学院：

共同一作Shir Iluz，特拉维夫大学电子与电气工程理学硕士，目前的研究方向是生成AI，感兴趣的方向是深度学习与计算机视觉。

共同一作Yael Vinker，特拉维夫大学计算机视觉博士生，曾经在以色列希伯来大学获得计算机科学本科与硕士学位，目前研究方向同样是深度学习与计算机视觉。

这么看来，雷军当年设计小米LOGO的200万元花早了啊

论文地址：
https://arxiv.org/abs/2303.01818

项目地址：
https://wordasimage.github.io/Word-As-Image-Page/

点这里