Нейронна мережа на базі LoGAN навчилася самостійно створювати деталізовані логотипи у високій якості
Нейронна мережа на базі LoGAN навчилася самостійно створювати деталізовані логотипи у високій роздільній здатності
Нову нейронну мережу створено на базі вже розробленої ними раніше системи машинного навчання для створення логотипів — LoGAN, яку вони докладно описували у дослідженні, опублікованому у жовтні минулого року. LoGAN вміє створювати логотипи лише в одній із дванадцяти закладених у нього можливих колірних гам у роздільній здатності 32 на 32 пікселі, що, погодьтеся, досить далеко до реального використання на ринку, хоча й досить непогано, якби йшлося про генерацію іконок. Нова ж модель здатна створювати логотипи з значно більшою роздільною здатністю та деталізацією.
«Оскільки більшість американців бачать від 4000 до 20000 рекламних оголошень на день, компанії приділяють все більше уваги своєму брендингу. Це змушує дизайнерів постійно вигадувати нові естетичні та водночас інноваційні та унікальні рішення, у спробі виділити їхній продукт із маси», — пишуть співавтори роботи. «Штучний інтелект може допомогти дизайнерам, давши їм деяке натхнення або скоротивши кількість доробок, з якими стикаються їхні клієнти».
Для навчання нейронної мережі вчені використовували як зображення з нижчою роздільною здатністю, і з вищим. Вони стверджують, що оскільки зображення з низьким дозволом містили менше деталей, система змогла швидко освоїти базові шаблони роботи та перейти від грубих начерків до створення логотипів з більшою деталізацією.
Щоб зібрати набір навчальних даних, дослідники спочатку підготували базу даних, що містить понад 120 000 унікальних логотипів у роздільній здатності 400 на 400 пікселів, отриманих із Twitter. Потім вони виключили з неї всі текстові логотипи, залишивши загалом 40 000 зразків. Після цього вони їх доповнили 15 000 «схожих на логотип» зображень з Google, що відносяться до природи, технологій, графічних символів тощо. І під кінець використовували службу Cloud Vision від Google для розмітки даних, щоб кожен зразок отримав опис від чотирьох до восьми слів. Отримані дані вони векторизували з використанням попередньо навченої моделі ІІ для створення просторових уявлень, які потім були згруповані за рівнем схожості візуальних характеристик.
У ході трьох випробувань дослідники довели, що їхня модель стабільно генерує логотипи «незмінно високої якості». Деякі з них були більш простими, ніж інші, за формою, дизайном або палітрою кольорів, але команда впевнена, що різноманітність результатів вказує на те, що їх модель можна навчати і на більш складних наборах даних, що ще більше підвищить якість її роботи.
Слід зазначити, що використання штучного інтелекту для створення логотипів зовсім не нова ідея. Наприклад, канадський стартап Looka (раніше Logojoy) вже кілька років пропонує своє рішення з використанням ІІ, які може допомогти вам отримати унікальний логотип буквально за 5 хвилин на базі вказаних вами параметрів (загальної стилістики, кольорової гами, відповідних символів, назви компанії). /p>
