LoGAN设计了几个标志（标志）图片来源：马斯特里赫特大学【.com速译】生成对抗网络（GAN）是由两部分组成的神经网络生成样本的生成器（generatorr）和试图区分生成样本和真实样本的鉴别器（discriminator）。GAN被用于多种领域，例如发现新药、制作逼真的汉堡包和蝴蝶照片，以及生成脑肿瘤的合成扫描图。正如荷兰马斯特里赫特大学发表的一篇新论文所揭示的那样，GAN还擅长设计徽标。在预印本服务器Arxiv.org（《LoGAN：用颜色方面调节的生成式对抗神经网络设计标识》，https://arxiv.org/pdf/1810.10395.pdf）上发表的一项研究中，科学家们描述了一个名为LoGAN的人工智能(AI)系统，其标志可以设计成12种不同的颜色。他们写道：“设计徽标对任何设计师来说都是一个漫长、复杂且成本高昂的过程。然而，生成算法的最新进展提供了有望提供可行解决方案的模型。来自LoGAN的结果这是人工智能如何使用的首次演示以协助设计师进行创作，为未来指明有希望的方向，例如包括更具描述性的标签，这有望提供更详细、更易于使用的系统，”研究人员解释说。然而，此类GAN的问题在于它们并不总能获得美观的结果。他们的解决方案是使用最明显的颜色来定义身份：黑色、蓝色、棕色、蓝绿色、灰色、绿色、橙色、粉色、紫色、红色、白色和黄色。该团队在LDD-icons数据集上对系统进行了训练，该数据集由486,777个32x32像素的小图标组成。每个小图标中的主色通过算法提取出来，通过RGB值转换成颜色词。同时，系统中的第三个神经网络（除了生成器和鉴别器）对样本图像进行分类。那么，LoGAN是做什么的？尽管生成的徽标很模糊（归咎于源图像的低分辨率），但有些徽标非常逼真。当输入颜色关键字时，LoGAN设法给出不规则形状、圆形和方形按钮，甚至是类似GoogleChrome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。在橙色类别中，神经网络首选棕色，而在黄色类别中，它通常取蓝色。研究人员认为，像LoGAN这样的人工智能系统可以处理标志设计中一些比较普通的方面，让设计师能够集思广益。在未来的工作中，他们希望扩展系统对单词的语义理解，以包括颜色以外的关键字，例如形状和焦点。他们写道，改进后的系统可以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，另一个包含具有不规则形状的徽标。它还可以使用嵌入模型，其中包含描述标记的最常见单词，以“提高可解释性”。“虽然由此产生的标志分辨率非常低，但它们可以用作最终标志的初稿，或作为设计师的灵感，”研究人员写道。“如果输入某个关键字（在我们的例子中包括最显眼的颜色），所提出的模型可以成功设计徽标。这种类型的关键字可以被认为是描述性的，因为它提供了易于人类区分的徽标属性。”值得一提的是，使用AI的强大功能来制作艺术品并不是一个新想法。BotnikStudios是亚马逊AlexaAccelerator程序的产物，最近教会了一个神经网络来制作一张讽刺Coachella的海报，上面列出了一系列虚构的乐队名称。一款流行的智能手机应用程序，使用一种称为风格转换的机器学习技术，使照片看起来像油画。游戏设计人工智能初创公司PrometheanAI自动化构建虚拟景观和室内设计的过程。原标题：选择一种颜色和这个AI系统将制作徽标，作者：KyleWiggers
