「国内首个」设计+人工智能深度案例分析报告 / 开普饭

本文从上百个包含了机器学习及深度学习的算法应用的AI案例中，精选30+个AI在设计行业的应用案例总结而成。

发布机构：

广告一则：

想了解设计师玩编程如何入门，可长按进入：

特别说明：

本文除案例的截图外，其余图片均由ACE Land 人工智能设计师（秒级、海量）友情赞助。

推荐阅读：

内容大纲：

1. 人工智能历史事件节选

2. 设计+AI的两种应用方式

3. AI的强项：匹配

4. AI艺术家：风格迁移

5. 智能设计与人工智能设计师

事件节选

「 ARTIFICIAL INTELLIGENCE 」

1997年

DeepBlue 击败国际象棋冠军加里·卡斯帕罗夫；

2011年

IBM Watson赢得美国问答节目；

iPhone语音助手Siri；

2012年

Amazon的仓储机器人Kiva；

2014年

只有一个启动Button的Google Car；

谷歌语音助手Google Now；

Miscrosoft的Cortana；

2016年

围棋大战AlphaGo4:1战胜李世石；

美国发布《准备迎接人工智能未来》

及《国家人工智能研究发展战略计划书》；

斯坦福报告：2030 年的人工智能与生活；

人工智能预测美国大选；

双 11，「鲁班」制作了 1.7 亿个 banner；

谷歌实现了机器翻译领域的重大突破；

谷歌战略从Mobile First转向AI First；

2017年

全国两会政府工作报告首提人工智能；

AlphaGo战胜排名世界第一的中国棋手柯洁；

斯坦福大学研究者成功训练了诊断皮肤癌的算法；

李飞飞解读“AI民主化”战略；

FB开源Caffe2深度学习框架；

人工智能发展到今天，加上移动互联网的普及，在设计行业的应用逐渐深入，更多的可能需要我们去探索、尝试。

集成or主导

「设计+AI的两种应用方式」

这是如何应用AI技术的2种方式，是集成到目前成熟产品中还是重新从0到1根据AI的特性打造一款新产品出来。

在设计行业，以AI为底层技术改造、升级目前成熟产品的方式，更适合Autodesk、Adobe这种大公司，大量的创新、创业公司都是以AI为主导的新产品活跃在市场中。

本报告也主要以第二种案例为主，精选小而美，具有创新性及技术性的产品案例。

2.1 成熟产品集成AI

成熟产品AI化，比如Adobe系列的产品，融入底层AI技术，更好地创作文字和图像、影音。

Adobe Sensei

人工智能做设计的底层技术，集成在Adobe系列软件中的AI。

官方是这么介绍的：

Adobe Sensei 采用人工智能和机器学习技术，并使用了我们大量的内容和数据资产，它是世界最佳数字体验的奥妙所在。

何时可以使用上，暂时还不知。

2.2 以AI主导的产品

AI技术提升了自然语言处理、机器视觉的效果，基于深度学习，我们可以建立各种特征之间的关系模型，得到泛化能力较强的模型。尤其是图像方面，使得我们有条件可以对经常打交道的“设计图”做一些人工智能的处理，以提高我们的设计效率，甚至取代我们一些重复、繁重的设计工作。

以AI技术为主导，最大的特点就是“智能匹配”，只要能想象得到的事物之间，都可以匹配，基础匹配原型有4种：文字与文字、文字跟图像、图像与文字、图像与图像之间的匹配。

基于设计元素的AI，有字体匹配方案、自动配色方案、基于线稿自动上色、自动校正手绘图形等。

基于4种匹配原型，诞生了许多专业门类的人工智能设计师：海报设计师、建筑师、LOGO设计师、网页设计师等等，也有专门的“艺术家”。

以AI技术的特色，全新打造的产品，下面会详细介绍各种产品案例。

匹配

「 AI强项」

包括文字匹配文字、文字匹配图像、图像匹配文字、图像匹配图像这4大类；

3.1 文字匹配文字

Text2Text

智能配色需要先获得颜色配色的数据集，方法可以通过遍历图像每个像素点的颜色，然后用K-means进行聚类，提取出几个主要颜色分布，形成数据集。

颜色表现为文字的形式，通过转化为特征向量，收集若干图片的颜色向量，作为数据，通过训练得到配色模型。

使用的时候每次随机产生一个颜色，然后通过模型匹配剩下的颜色，获得一组配色方案。

我也用过K-means跟React Native开发了一款移动APP，采色灵感。

推荐阅读：

3.3 图像匹配文字

Image2Text

「看图说话」这类产品，识别图片里的主体内容，然后根据内容来输出一段话；实现的话可以通过各大开放平台API中关于识别图片内容的接口，然后根据接口返回的关键词来创作一段话。

案例 Marley

http://smudge.cloud/marley/

下面是一个研究「从UI匹配代码」，从GUI界面的截图直接生成各大平台的代码；也算是一种从图像匹配文字的类型。

案例 pix2code

https://uizard.io/research#pix2code

3.4 图像匹配图像

Image2Image

此类有谷歌推出的AutoDraw，官方称为自动矫正绘画工具，还有从手绘的轮廓图自动生成真实照片的，线稿上色、黑白照片彩色化也算是图像匹配图像这一类的。

案例 AutoDraw

https://www.autodraw.com/

案例 doodle.ai

http://doodle.ai/

案例 pix2pix

https://affinelayer.com/pixsrv/index.html

线稿上色

插画师的利器啊，以后是不是只要画线稿就行了，然后让AI快速上个色，快速得完成插画作品。

案例 Paintschainer

http://paintschainer.preferred.tech/index_zh.html

黑白图像上色

跟线稿上色不同的一种上色，就是给黑白照片上色，用来修复老电影、老照片是不是很好～

案例 Colornet

https://github.com/pavelgonchar/colornet

案例 Colorize It

http://demos.algorithmia.com/colorize-photos/

我尝试了下用黑白图像上色的工具，给线稿上色，效果如下图，看来实现思路有点区别。

字体匹配

帮设计师，在茫茫的字体海洋里找到合适的字体，也是提高设计效率的一个方向。

案例 Font Map

http://fontmap.ideo.com/

案例 FontJoy

http://fontjoy.com/

我尝试了给我的公众号匹配个字体：

风格迁移

「 AI 艺术家」

也可以理解为“滤镜”类，就是把照片按照给定的艺术画，进行再创作（风格化），这类的产品现在有很多了，有静态图的也有动态视频类的。

各家的滤镜其实都差不多，以各种世界名画为素材，来风格化用户上传的照片，唯一区别就是各家的算法跟硬件设备稍有点区别，导致了用户上传照片后获取风格化的艺术照所需要的时间不一。

其实，作为人工智能在设计行业的应用，就不一定是用世界名画作为素材了，可以根据设计的需要，选取合适的、具有主题的风格来配合设计风格，比如，做建筑设计的，想要表达新江南或新中式的风格，可以拿吴冠中的江南画作为风格化的素材，迁移一下，立面图、效果图是不是立马感觉新中式的味道来了，估计一大票的配套效果图公司将失业。