生成对抗网络（GAN）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。而荷兰马斯特里赫特大学（Maastricht University）发表的一篇新论文显示，它在生成标识方面也不差。

研究论文“LoGAN: Generating Logos with a Generative Adversarial Neural Network Conditioned on color”中，科学家们描述了一种AI系统，名为LoGAN，可以制作12种不同颜色的标识。

研究者表示，“为任何设计师设计logo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，LoGAN的结果首次展示了AI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logo：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486777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的效果如何？尽管生成的logo较模糊（由于源图像的低分辨率），但有些logo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Chromelogo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AI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logo，另一个包含非规则形状的logo。它可能会使用嵌入模型，其中最常用的单词描述logo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logo，在我们的案例中，这些关键字由logo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logo属性。”

论文：arxiv.org/pdf/1810.10395.pdf