很快啊，Stable Diffusion又被發掘新用途了——

設計LOGO最關鍵的“形意結合”，被它拿捏得明明白白。看見Cat秒畫貓貓頭：

瑜伽店YOGA幾個字母用人體形態一轉換，風格完全不出錯：

只設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計一個LOGO出來？（doge）

雖然之前也有不少設計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，已經有不少研究在考慮如何用AI設計LOGO。

從效果來看，主要可以分成三類：

一是以字體為形狀限制，將圖片風格遷移上去（如圖AB）；二是以圖片風格為基底，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聯起來，生成或彩色或黑白的“圖像拼接”風格LOGO設計（圖CE）。

然而，與下面人類手工設計的LOGO比起來，上面AI設計的效果不能說不好看，但似乎還差那么點意思：

作者們經過一通探查，發現人類手工設計的LOGO并不“喧賓奪主”。

人類設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上，再加入一點創新之處，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，加入一定的設計感。

例如這是Stable Diffusion生成的“FROG”設計，FRO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，還能進一步實現上色功能，顯得更加生動：

生成LOGO的風格也能隨著原本設計字體的變化，而產生不一樣的變化。

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格（手動狗頭）：

那么，這種神奇的字體設計AI是怎么做出來的？

用貝塞爾曲線調整字母形狀

為了一定程度上保留原本字體的風格、以及只改變單詞中的某幾個字母，作者們想出一種“微調”字母形狀的方法——

那就是讓AI學會用貝塞爾曲線，對不同字體的字母進行小幅度變形。

（用過PS中“鋼筆”的小伙伴們應該對貝塞爾曲線不陌生，用它能控制鼠標畫出一些神奇的曲線）

具體控制點數量，則根據字母復雜度和字體風格進行迭代變換，直到設計出來的字母符合要求，其中橙色是初始點，藍色是后續增加的控制點：

控制點數量對生成效果影響有多大？

例如這是不同數量的控制點生成字母的效果，如果數量太少，會看不清設計的圖像形狀；但數量過多又容易扭曲字體原本的形狀：

基于這種核心設計思路，作者們結合Stable Diffusion和CLIP，設計出了一整個字體設計AI模型：

其中，ACAP（as conformal as possible）損失函數基于德勞內三角形剖分算法，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，可以看見ACAP在保留褲子形態的同時，也保留了字體的效果：

與此同時，為了進一步保留字體形態，作者們采用了一個低通濾波器，保證調整后的字母不與原始字母偏離太多。例如這是Bear（熊）中的B調整后的形態：

應用這套模型，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公開了，他們分別來自以色列特拉維夫大學、Reichman University（萊希曼大學），以及倫敦大學金史密斯學院：

共同一作Shir Iluz，特拉維夫大學電子與電氣工程理學碩士，目前的研究方向是生成AI，感興趣的方向是深度學習與計算機視覺。

共同一作Yael Vinker，特拉維夫大學計算機視覺博士生，曾經在以色列希伯來大學獲得計算機科學本科與碩士學位，目前研究方向同樣是深度學習與計算機視覺。

這么看來，雷軍當年設計小米LOGO的200萬元花早了啊

論文地址：https://arxiv.org/abs/2303.01818

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