LoGAN：基于颜色条件生成对抗神经网络生成标志
计算机视觉与模式识别
2018-10-25 v1 人工智能
机器学习
摘要
对任何设计师而言，设计标志都是一个漫长、复杂且昂贵的过程。然而，生成算法近期的进展提供了可能为此提供解决方案的模型。标志具有多模态特性、极少类别属性，且不具备连续潜空间。不过，条件生成对抗网络可用于生成标志，以辅助设计师的创意过程。我们提出 LoGAN：一种改进的辅助分类器 Wasserstein 生成对抗神经网络（带梯度惩罚），能够根据十二种不同颜色条件生成标志。在 768 个生成实例（12 类，每类 64 个标志）中，考察最显著颜色时，模型的条件生成部分总体精确率与召回率分别为 0.8 和 0.7。LoGAN 的结果初步展示了人工智能如何辅助设计师的创意过程，并开辟了有前景的未来方向，例如加入更具描述性的标签，从而提供更为详尽且易用的系统。
引用
@article{arxiv.1810.10395,
title = {LoGAN: Generating Logos with a Generative Adversarial Neural Network Conditioned on color},
author = {Ajkel Mino and Gerasimos Spanakis},
journal= {arXiv preprint arXiv:1810.10395},
year = {2018}
}
备注
6 page, ICMLA18