真「形意結合」，AI繪圖 Stable Diffusion加上字形設計模型秒懂圖像生成字形

最近AI繪圖工具 Stable Diffusion 又被發掘新用途了，設計 LOGO 最關鍵的「形意結合」，被它掌握得明明白白。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 畫成一隻狗：

簡潔又傳神！

• 延伸閱讀：Stable Diffusion Reimagine上手，不用輸入文字、上傳一張圖就能以圖生圖

哪怕是面對中文字型，AI 也能很好地理解其中的意思，快速畫出想要傳達的 LOGO 形象：

要是開店用上這個，哪還需要花幾十上百塊專門設計一個 LOGO 出來？

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。

保留一部分原有字型的味道

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：

一是以字型為形狀限制，將圖片風格遷移上去（如圖 AB）；二是以圖片風格為基底，將字型遷移到圖片中去（圖 D）；三是將不同圖片的形狀和字型關聯起來，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，但似乎還差那麼點意思：

作者們經過一通探查，發現人類手工設計的 LOGO 並不喧賓奪主。

人類設計師會在保留原本字型特色、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”字型的形狀。

整體來說，就是在保留一部分字型味道的同時，加入一定的設計感。

例如這是 Stable Diffusion 生成的“FROG”設計，FRO 仍然是原本字型的形狀，只有 G 變成一隻跳出去的小青蛙：

如果用 Stable Diffusion 2 進一步進行後期處理的話，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型的變化，而產生不一樣的變化。

例如這是 6 種字型下生成的不同瑜伽 LOGO，每種風格都不一樣：

相比之下，其他 AI 模型在生成字型的時候，倒是更喜歡保留自己的風格：

那麼，這種神奇的字型設計 AI 是怎麼做出來的？

• 延伸閱讀：AI繪圖「Stable Diffusion」快速上手，Midjourney的神級勁敵、開箱即用

用貝塞爾曲線調整字母形狀

為了一定程度上保留原本字型的風格、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，對不同字型的字母進行小幅度變形。

（用過 PS 中“鋼筆”的小夥伴們應該對貝塞爾曲線不陌生，用它能控制滑鼠畫出一些神奇的曲線）

具體控制點數量，則根據字母複雜度和字型風格進行迭代變換，直到設計出來的字母符合要求，其中橙色是初始點，藍色是後續增加的控制點：

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型原本的形狀：

基於這種核心設計思路，作者們結合 Stable Diffusion 和 CLIP，設計出了一整個字型設計 AI 模型：

其中，ACAP（as conformal as possible）損失函數基於德勞內三角形剖分演算法，對字母形狀進一步進行了約束。

例如這是 PANTS（褲子）在變形前和變形之後的形態，可以看見 ACAP 在保留褲子形態的同時，也保留了字型的效果：

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

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

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），以及倫敦大學金匠學院：

共同作者 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電腦視覺。

另一位協作 Yael Vinker，特拉維夫大學電腦視覺博士生，曾經在以色列希伯來大學獲得電腦科學本科與碩士學位，目前研究方向同樣是深度學習與電腦視覺。

• 論文地址：https://arxiv.org/abs/2303.01818
• 項目地址：https://wordasimage.github.io/Word-As-Image-Page/