趙永濤，高經(jīng)緯

【視覺傳達(dá)設(shè)計】

新一代人工智能技術(shù)在平面設(shè)計中的應(yīng)用

趙永濤1*，高經(jīng)緯2

（1.洛陽理工學(xué)院 藝術(shù)設(shè)計學(xué)院，河南 洛陽 471003；2.天津大學(xué)，天津 300354）

探討人工智能技術(shù)在平面設(shè)計領(lǐng)域中的應(yīng)用現(xiàn)狀和不足，并提出一種基于自然語言描述的圖像生成方法，以更好地滿足設(shè)計師的需求。采用GPT-3模型生成創(chuàng)作思路的文本描述，并使用穩(wěn)定擾動（Stable Diffusion）算法生成與描述相匹配的圖像。通過測試和應(yīng)用實(shí)例驗(yàn)證方法在平面設(shè)計中的效果，旨在探索平面設(shè)計領(lǐng)域中的新視角和工具，以簡化設(shè)計過程，提高設(shè)計質(zhì)量和效率。研究采用實(shí)證分析方法，結(jié)合實(shí)驗(yàn)結(jié)果和定性分析，評估了該方法生成的圖像與自然語言描述的匹配程度、圖像質(zhì)量，以及方法的靈活性和可控性。通過這些評估指標(biāo)，可確定該方法的有效性，并更好地滿足設(shè)計師的需求。未來的研究方向包括進(jìn)一步增強(qiáng)算法的多樣性、創(chuàng)意性，以及探索更智能化的平面設(shè)計工具，以提高設(shè)計師的工作效率和設(shè)計品質(zhì)。

人工智能技術(shù)；平面設(shè)計；自然語言理解算法；圖像生成

平面設(shè)計是將文本、圖像與色彩等視覺元素組合起來，傳遞信息和情感的一種藝術(shù)形式[1]。它廣泛應(yīng)用于印刷品[2]、包裝[3]、標(biāo)識[4]、廣告[5]等領(lǐng)域，并在互聯(lián)網(wǎng)和移動應(yīng)用程序的設(shè)計中得到了越來越多的關(guān)注。平面設(shè)計的本質(zhì)在于通過設(shè)計構(gòu)建出令人印象深刻、直觀易懂的視覺元素，從而達(dá)到信息傳遞和情感溝通的目的。

平面設(shè)計中包含了許多視覺元素[6]，包括圖形、圖像、色彩和空間等[7-8]，設(shè)計師需要根據(jù)其設(shè)計目的，靈活地選擇和搭配這些元素，從而構(gòu)建出一個完整、清晰和吸引人的設(shè)計作品。平面設(shè)計需要符合觀眾視覺認(rèn)知的特點(diǎn)，以便觀眾能夠快速地獲取信息并理解設(shè)計的意圖[9]。在設(shè)計的過程中，設(shè)計師需要注意設(shè)計細(xì)節(jié)和整體效果，如線條與色彩的選擇、比例和平衡等，這些細(xì)節(jié)可以直接影響到設(shè)計作品的效果和品質(zhì)[10]。

平面設(shè)計的歷史可以追溯到古代的書籍裝幀和印刷品制作，但直到19世紀(jì)末和20世紀(jì)初，平面設(shè)計才逐漸形成為一門獨(dú)立的學(xué)科。20世紀(jì)上半葉，平面設(shè)計發(fā)展迅速，主要受到包豪斯學(xué)派、現(xiàn)代主義和構(gòu)成主義的影響。這些流派主張以簡潔、清晰、功能性為設(shè)計的核心，強(qiáng)調(diào)設(shè)計要符合生產(chǎn)力和現(xiàn)代社會的需求[11]。

隨著人工智能技術(shù)的快速發(fā)展，它的應(yīng)用范圍也在不斷拓展。其中，人工智能在平面設(shè)計中的應(yīng)用越來越受到關(guān)注[12]。在傳統(tǒng)平面設(shè)計中，設(shè)計師通常需要通過手工繪圖、數(shù)字化繪圖軟件等手段來完成設(shè)計作品。這種方式不僅需要花費(fèi)大量時間和精力，而且設(shè)計師需要具備較高的藝術(shù)修養(yǎng)和設(shè)計能力。在這種情況下，人工智能技術(shù)的應(yīng)用可以大大提高平面設(shè)計的效率和質(zhì)量[13-14]。

人工智能技術(shù)在平面設(shè)計中的應(yīng)用主要包括兩個方面：圖像處理；自動化設(shè)計[15]。在圖像處理方面，人工智能可以應(yīng)用于圖片修復(fù)、圖像增強(qiáng)、圖像識別等方面。徐國彬等[16]采用一種改進(jìn)算法改善了數(shù)字類國畫缺陷修復(fù)問題，具有一定的實(shí)際應(yīng)用價值。董霙達(dá)等[17]針對現(xiàn)存?zhèn)鹘y(tǒng)蒙古家具紋路樣式模糊等問題，提出一種機(jī)器學(xué)習(xí)方法，增強(qiáng)了紋樣特征，其對文物修復(fù)和保護(hù)具有參考價值。許鑫等[18]以剪紙為載體，通過研究剪紙圖像自動分類識別技術(shù)來探討人工智能技術(shù)在藝術(shù)領(lǐng)域中的應(yīng)用，取得了良好的分類效果。在自動化設(shè)計方面，人工智能可以幫助設(shè)計師完成排版、顏色搭配[19]、字體設(shè)計[20]等工作。本研究主要關(guān)注人工智能在平面設(shè)計中，針對自動化設(shè)計的應(yīng)用。高峰等[21]首先進(jìn)行人工智能案例的分析，然后基于人工智能的輔助設(shè)計座椅形態(tài)，經(jīng)過多次調(diào)整，取得了較好的效果。李雄等[22]借助對抗神經(jīng)網(wǎng)絡(luò)來進(jìn)行概念草圖的設(shè)計，有助于設(shè)計師突破思路，提高設(shè)計效率。

雖然目前風(fēng)格遷移、對抗生成網(wǎng)絡(luò)（GANs）和其他機(jī)器學(xué)習(xí)算法在平面設(shè)計領(lǐng)域中越來越受到關(guān)注，且這些算法提供了一種自動化、高效的方式來創(chuàng)建平面設(shè)計，但它們通常需要大量的數(shù)據(jù)來訓(xùn)練模型，因?yàn)楹茈y收集到足夠的數(shù)據(jù)，這對某些類型的設(shè)計來說可能是不可行的。此外，這些算法往往需要強(qiáng)大的計算能力，對一些小型設(shè)計團(tuán)隊(duì)或設(shè)計師來說可能是一種挑戰(zhàn)。不僅如此，算法生成的圖像品質(zhì)和多樣性也是一個問題。通常傳統(tǒng)算法生成的圖像比較平淡且缺乏個性。這些算法還往往受到訓(xùn)練數(shù)據(jù)的限制，很難超越數(shù)據(jù)中的內(nèi)容和風(fēng)格，因此難以實(shí)現(xiàn)真正的創(chuàng)造性和獨(dú)特性。

針對以上問題，本研究提出了一種基于自然語言描述的圖像生成方法，利用GPT-3（Generative Pre-training Transformer-3）[23]模型生成創(chuàng)作思路的文本描述，并使用穩(wěn)定擾動（Stable Diffusion）[24]方法生成與自然語言描述相匹配的圖像。本研究團(tuán)隊(duì)在設(shè)計者提供的自然語言描述上進(jìn)行了測試，并列舉了包裝、書籍封面和廣告設(shè)計的應(yīng)用實(shí)例。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效生成與自然語言描述相匹配的高質(zhì)量圖像。通過人工智能技術(shù)的自動化和高效性，設(shè)計生成過程迅速，節(jié)省了設(shè)計時間。該方法具備靈活性和可控性，能生成具備多樣性、高質(zhì)量的圖像。應(yīng)用人工智能技術(shù)使得設(shè)計作品適應(yīng)不同風(fēng)格和要求，不僅可滿足設(shè)計師的個性化需求，并提供更多創(chuàng)意和選擇，還能加強(qiáng)設(shè)計師與客戶之間的溝通與理解，通過生成與客戶需求相匹配的圖像，幫助設(shè)計師更好地理解客戶需求，改善設(shè)計師與客戶之間的合作，產(chǎn)生更好的設(shè)計結(jié)果。

1 方法

1.1 自然語言理解模型

本研究采用了預(yù)訓(xùn)練的語言模型GPT-3來解析設(shè)計師提供的自然語言需求描述。GPT-3是一個基于transformer結(jié)構(gòu)的語言模型，通過預(yù)測下一個單詞的方式進(jìn)行自監(jiān)督學(xué)習(xí)，其具有很強(qiáng)的語言理解能力。傳統(tǒng)遷移學(xué)習(xí)模型和生成式預(yù)訓(xùn)練遷移學(xué)習(xí)模型的對比圖，見圖1。

傳統(tǒng)遷移學(xué)習(xí)模型中包含編碼器和解碼器兩部分，而生成式預(yù)訓(xùn)練遷移學(xué)習(xí)僅使用了一個多層的解碼器，因此生成式預(yù)訓(xùn)練遷移學(xué)習(xí)模型相較于傳統(tǒng)模型有了明顯的改進(jìn)。本研究使用的GPT-3模型使用來自人類反饋的強(qiáng)化學(xué)習(xí)方案，通過對大語言模型進(jìn)行微調(diào)，從而可在較少參數(shù)的情況下，生成優(yōu)于往期的模型。鑒于傳統(tǒng)自然語言技術(shù)存在的多種局限，基于大語言模型的GPT-3充分利用大量無標(biāo)注文本進(jìn)行預(yù)訓(xùn)練，從而使得模型在小樣本和無樣本場景下有較強(qiáng)的理解與生成能力?；谌祟惙答伒膹?qiáng)化學(xué)習(xí)方案基本流程如圖2所示。

如圖2所示，首先為保證模型有充足的知識儲備量，需要收集大量的說明解釋數(shù)據(jù)來訓(xùn)練監(jiān)督策略。隨后，標(biāo)記者記錄模型希望輸出的結(jié)果并利用這個標(biāo)記數(shù)據(jù)結(jié)合監(jiān)督學(xué)習(xí)對模型進(jìn)行微調(diào)。其次，研究人員對這個訓(xùn)練的數(shù)據(jù)集和若干模型結(jié)果進(jìn)行抽樣，把輸出結(jié)果從最優(yōu)到最差進(jìn)行排序，并以此數(shù)據(jù)訓(xùn)練反饋模型。然后，把新的問題從樣本中抽樣，借助模型生成輸出結(jié)果，并計算這個反饋結(jié)果的準(zhǔn)確率。最后，將這個反饋結(jié)果用以優(yōu)化策略模型，從而使模型輸出最正確可靠的結(jié)論。

圖1 傳統(tǒng)遷移學(xué)習(xí)模型和生成式預(yù)訓(xùn)練遷移學(xué)習(xí)模型對比圖

1.2 自然語言描述到低維向量表示的轉(zhuǎn)換

為了將自然語言描述轉(zhuǎn)換為穩(wěn)定擾動算法中需要的低維向量表示，采用了GPT-3對自然語言描述進(jìn)行編碼，其能夠?qū)⒆匀徽Z言描述轉(zhuǎn)換為高質(zhì)量的低維向量表示，然后使用穩(wěn)定擾動方法來生成與自然語言描述相匹配的圖像。穩(wěn)定擾動圖像生成算法結(jié)構(gòu)如圖3所示。

穩(wěn)定擾動算法首先使用預(yù)訓(xùn)練模型對需要訓(xùn)練的圖像生成相應(yīng)的描述詞語，然后使用變分自動編碼器訓(xùn)練模型，接下來將經(jīng)過壓縮后的數(shù)據(jù)輸入擴(kuò)散過程模型，進(jìn)行正向采樣操作。在數(shù)據(jù)輸入過程中會產(chǎn)生噪音，持續(xù)記錄每步產(chǎn)生噪音的數(shù)據(jù)。

進(jìn)一步地，利用交叉注意力機(jī)制將潛在空間中的特征和另一模態(tài)特征融合。交叉注意力公式見式（1）。

圖3 穩(wěn)定擾動圖像生成算法結(jié)構(gòu)

在向前過程中根據(jù)多元高斯分布來生成一張純噪音圖像，利用變分自動編碼器將純噪音圖像壓縮到算法潛在空間中。進(jìn)一步地執(zhí)行去噪網(wǎng)絡(luò)，利用交叉注意力機(jī)制融合多模態(tài)信息，并預(yù)測每一步需要檢測的噪音，最后利用變分自動編碼器將生成圖片還原到目標(biāo)圖片大小。

當(dāng)生成完圖像后，還可以通過微調(diào)來修改自己生成的模型。通過這種方法，可將自然語言描述轉(zhuǎn)換為圖像，并且保留輸入句子的語義信息，從而讓生成的圖像更加符合設(shè)計需求。

2 實(shí)驗(yàn)設(shè)計

在當(dāng)代平面設(shè)計中，藝術(shù)家和設(shè)計師們需要創(chuàng)造出高質(zhì)量的圖像來滿足客戶和觀眾的需求。隨著人工智能技術(shù)的快速發(fā)展，使用機(jī)器生成圖像逐漸成為了一個重要的趨勢，這不僅可以減少設(shè)計師的工作量，還可以為設(shè)計師提供更多的創(chuàng)作靈感。本研究使用了來自設(shè)計師的一組自然語言描述，作為輸入進(jìn)行實(shí)驗(yàn)。針對每個自然語言描述，筆者將GPT-3模型用于解析設(shè)計師的思路，然后從GPT-3輔助生成的描述中提取關(guān)鍵詞，并使用穩(wěn)定擾動（Stable Diffusion）生成與關(guān)鍵詞描述相匹配的圖像。接下來，通過將本研究算法應(yīng)用于平面設(shè)計中常用的黑白版畫、水彩與厚涂油畫、建筑與風(fēng)景設(shè)計、數(shù)字插畫設(shè)計、3D渲染效果設(shè)計等表現(xiàn)形式中，來探討本研究算法的合理性與適用性。

黑白版畫作為一種古老的印刷技術(shù)，一直以來都是平面設(shè)計中的重要元素。如表1的序號1～3所示，經(jīng)本研究算法生成的黑白版畫可被用來表現(xiàn)一種古典、優(yōu)雅的氣質(zhì)。如表1的序號4所示，創(chuàng)造出一種神秘、幽暗的氛圍。同時，生成黑白版畫的高對比度和紋理感也能夠給設(shè)計作品帶來更多的層次、更強(qiáng)的立體感。經(jīng)本研究算法生成黑白版畫的應(yīng)用不僅能夠強(qiáng)調(diào)設(shè)計作品的主題和情感，還可以起到吸引目光和增加視覺沖擊力的作用。

水彩和厚涂油畫作為兩種藝術(shù)繪畫形式，不僅在繪畫領(lǐng)域被廣泛應(yīng)用，同時在平面設(shè)計中也有著重要作用。表2中序號1～2展示了本研究算法生成的水彩作品，以其柔和流暢的特點(diǎn)適合描繪人物，增加作品的個性和情感共鳴。而表2中序號3～4的厚涂油畫則顯示出豐富的質(zhì)感和強(qiáng)烈的立體感，適合表現(xiàn)強(qiáng)烈、厚重的視覺效果。在平面設(shè)計中，經(jīng)本研究算法生成的厚涂油畫的質(zhì)感可以帶來更強(qiáng)的視覺沖擊力，同時也更易于傳達(dá)作品所希望表達(dá)的情感和主題。

表1 黑白版畫效果

Tab.1 Effects of black and white prints

表1（續(xù)）

表2 水彩和厚涂油畫效果

Tab.2 Effects of watercolor and impasto oil painting

如表3所示，經(jīng)本研究算法生成的數(shù)字插畫在插圖和漫畫方面具有獨(dú)特的表現(xiàn)手法和視覺效果，其可以創(chuàng)造出各種不同的視覺效果，例如水彩畫效果、手繪風(fēng)格等。這種多樣性使得經(jīng)本研究算法生成的數(shù)字插畫在創(chuàng)造獨(dú)特的設(shè)計風(fēng)格和形式上非常實(shí)用。

在當(dāng)代平面設(shè)計中，3D渲染類圖片的應(yīng)用越來越廣泛。如表4所示，經(jīng)本研究算法生成的3D渲染圖能夠以高保真度、高逼真度的方式呈現(xiàn)設(shè)計師所設(shè)計的模型和場景，幫助設(shè)計師更加直觀、全面地了解和展示設(shè)計方案。通過自然語言理解與穩(wěn)定擾動（Stable Diffusion）生成3D渲染技術(shù)，設(shè)計師能夠從各個角度觀察和調(diào)整設(shè)計方案，包括構(gòu)件、材質(zhì)、光照、布局等。此外，3D渲染技術(shù)還可以讓設(shè)計方案以具有立體感的效果圖、動畫、視頻等形式呈現(xiàn)，為設(shè)計師的展示和交流提供了更多的選擇。

表3 數(shù)字插畫圖片效果

Tab.3 Effects of digital illustration pictures

表4 3D渲染效果

Tab.4 3D rendering effect

基于自然語言描述生成視覺藝術(shù)表現(xiàn)圖片可以給平面設(shè)計帶來許多幫助。首先，這些類型的圖像具有非常強(qiáng)的審美感受，可以增加作品的視覺沖擊力，吸引觀眾的注意力。例如，使用自然語言描述與穩(wěn)定擾動（Stable Diffuison）生成的黑白版畫可以增強(qiáng)圖像的紋理和線條感，使得圖像更具有立體感和質(zhì)感，從而提高設(shè)計作品的藝術(shù)價值。而其生成的水彩和厚涂油畫則可以營造出柔和的氛圍，使得設(shè)計作品更加具有溫暖和感性的感覺。其次，生成這些類型的圖像可以幫助設(shè)計師更好地表達(dá)設(shè)計概念和想法。例如，3D渲染圖以高保真度、高逼真度的方式呈現(xiàn)設(shè)計師所設(shè)計的模型和場景，幫助設(shè)計師更加直觀、全面地了解和展示設(shè)計方案。

3 設(shè)計實(shí)例

人工智能在平面設(shè)計領(lǐng)域的應(yīng)用已經(jīng)展現(xiàn)出巨大的潛力和廣闊的發(fā)展前景。其中，包裝設(shè)計、書籍封面設(shè)計和廣告設(shè)計作為平面設(shè)計領(lǐng)域中的重要實(shí)踐領(lǐng)域，具有代表性和普遍性。以這些實(shí)例為案例，可以較為充分地展示人工智能在平面設(shè)計中的應(yīng)用和價值，并深入探討其對創(chuàng)造力和設(shè)計效率的影響。

包裝設(shè)計是人工智能在平面設(shè)計領(lǐng)域中的一個重要應(yīng)用方向。包裝設(shè)計的目標(biāo)是通過獨(dú)特的視覺元素和信息傳達(dá)方式來吸引消費(fèi)者、塑造品牌形象，并促進(jìn)產(chǎn)品銷售。采用人工智能模型GPT-3，可以將自然語言描述轉(zhuǎn)化為低維向量表示，以茶葉包裝為例（如圖4所示），通過GPT生成的描述語言為“清晨的霧氣，茶香四溢。享受自然的美好，品味茶葉的獨(dú)特滋味”。進(jìn)一步地，結(jié)合穩(wěn)定擾動（Stable Diffusion）算法生成與描述相匹配的圖像。

圖4 包裝設(shè)計效果圖

以茶葉所處的環(huán)境為主題，描繪了茶葉生長在山水之間的情景，用自然的色彩和光影表現(xiàn)出茶葉的清新和優(yōu)雅。通過算法生成的元素與人工設(shè)計的元素相融合，形成了獨(dú)具特色的設(shè)計風(fēng)格，使得設(shè)計不僅符合茶葉自然主題的特點(diǎn)，還突出了包裝設(shè)計的美感和實(shí)用性，為茶葉行業(yè)注入了新的活力和創(chuàng)意。

書籍封面設(shè)計是另一個具有重要影響力的實(shí)踐領(lǐng)域，也是人工智能在平面設(shè)計中的應(yīng)用之一。書籍封面的設(shè)計需要吸引讀者，引起他們的興趣并傳遞內(nèi)容的核心概念。以奇幻冒險小說為題，GPT生成的描述語言為“在中世紀(jì)城市中展開一場哥特式奇幻冒險！在傍晚余暉的照耀下，踏入中世紀(jì)城市的奇幻冒險之旅，古老的城墻高聳入云，哥特式尖塔屹立其中，散發(fā)著神秘的魔力。城市的街道彌漫著神秘的氛圍，燈火閃爍，散發(fā)著暖意。整個封面展現(xiàn)了中世紀(jì)城市的壯麗景象，結(jié)合哥特風(fēng)格的神秘氣息和奇幻元素，引領(lǐng)讀者踏入冒險的世界，探索其中的秘密與寶藏?！比鐖D5所示，設(shè)計師可以通過自然語言描述生成與書籍主題相符合的圖像。

這種方法不僅提供了快速的設(shè)計解決方案，而且在設(shè)計過程中注入了新穎的創(chuàng)意和個性化元素。通過以書籍封面設(shè)計為案例，可研究人工智能對設(shè)計創(chuàng)造力和讀者吸引力的提升。

廣告設(shè)計是平面設(shè)計領(lǐng)域中另一個重要的應(yīng)用領(lǐng)域，也是人工智能的理想實(shí)踐場景。廣告設(shè)計需要通過視覺元素和文字信息吸引目標(biāo)受眾，傳達(dá)產(chǎn)品或服務(wù)的核心價值和品牌形象。以地鐵環(huán)保主題廣告為例，GPT生成的描述語言為“一棵枯萎的樹木矗立在畫面中央，它的枝干干燥脆弱，葉片凋零殘缺。然而，當(dāng)我們的目光穿過枯木，我們被帶入一個完全不同的場景。在背景中，一片絢麗的風(fēng)景展現(xiàn)出來。廣闊的天空中，夕陽的余暉灑在了美麗的山丘之上。”

圖5 書籍封面設(shè)計效果圖

在這個環(huán)保廣告中，可以看到一棵枯萎的樹木，枝干干癟，葉片凋零，象征著破壞和環(huán)境惡化。然而，當(dāng)視線穿過這棵枯木，一個令人驚嘆的景象呈現(xiàn)在眼前。蔥郁的綠色草地延伸到遠(yuǎn)方。這美麗的風(fēng)景提醒著人們，盡管現(xiàn)實(shí)中存在破壞和枯萎，但只要人們努力保護(hù)環(huán)境，恢復(fù)生態(tài)平衡，就能夠創(chuàng)造出美麗、和諧的自然景觀。具體細(xì)節(jié)如圖6所示。

以包裝設(shè)計、書籍封面設(shè)計和廣告設(shè)計為案例來分析人工智能在平面設(shè)計領(lǐng)域中的應(yīng)用，能夠多方面展示其在不同設(shè)計領(lǐng)域中的作用和效果。這些實(shí)例代表了平面設(shè)計的重要實(shí)踐領(lǐng)域，同時也涉及商業(yè)推廣與創(chuàng)造力等關(guān)鍵因素。通過研究這些案例，可以深入理解人工智能對平面設(shè)計的影響，并為設(shè)計師和相關(guān)從業(yè)者提供有價值的參考和啟示。

圖6 廣告設(shè)計效果圖

4 結(jié)論

人工智能在平面設(shè)計領(lǐng)域的應(yīng)用正日益成為一種新趨勢，特別是GPT-3和穩(wěn)定擾動（Stable Diffusion）算法的應(yīng)用，為設(shè)計師帶來了全新的視角和工具。在這項(xiàng)研究中，自然語言理解算法可以將設(shè)計師的構(gòu)思迅速轉(zhuǎn)化為清晰準(zhǔn)確的文本描述，有助于平面設(shè)計師迅速理解客戶或團(tuán)隊(duì)的需求。此外，穩(wěn)定擾動（Stable Diffusion）算法的應(yīng)用進(jìn)一步拓展了自然語言理解算法的潛力，穩(wěn)定擾動（Stable Diffusion）算法將文本描述轉(zhuǎn)化為逼真的圖像。這一方法的優(yōu)勢在于生成高質(zhì)量的、逼真的圖像，并避免了不真實(shí)感。因此，平面設(shè)計師可以更方便地利用這種方法創(chuàng)建與設(shè)計思路相匹配的圖像。新一代人工智能技術(shù)的應(yīng)用將極大地改變平面設(shè)計的方式，簡化流程，提高效率，創(chuàng)造引人注目的視覺作品，同時更好地理解客戶或團(tuán)隊(duì)的需求，以提高設(shè)計質(zhì)量和效率。

[1] BESTLEY R, MCNEIL P. Visual Research: An Introduction to Research Methods in Graphic Design[M]. London: Bloomsbury Publishing, 2022.

[2] 韋慧. 平面設(shè)計中視覺設(shè)計技術(shù)在印染中的應(yīng)用[J]. 棉紡織技術(shù), 2021, 49(2): 89. WEI H. Application of Visual Design Technology in Printing and Dyeing in Graphic Design[J]. Cotton Textile Technology, 2021, 49(2): 89.

[3] 林曉龍, 王亞蘭. 平面設(shè)計在食品包裝中的運(yùn)用[J]. 中國造紙, 2022, 41(2): 6. LIN X L, WANG Y L. The Application of Graphic Design in Food Packaging[J]. China Paper, 2022, 41(2): 6.

[4] 呂金鴻. 探索字體設(shè)計的視覺形象[J]. 美術(shù)觀察, 2022, 318(2): 156-157. LYU J H. Exploring the Visual Image of Font Design[J]. Art Observation, 2022, 318(2): 156-157.

[5] 李洪瑋, 翟冬. 平面設(shè)計在工業(yè)產(chǎn)品設(shè)計中的應(yīng)用[J]. 內(nèi)燃機(jī)工程, 2022, 43(5): 110-111. LI H W, ZHAI D. Application of Graphic Design in Industrial Product Design[J]. Internal Combustion Engine Engineering, 2022, 43(5): 110-111.

[6] 張洪亮. 當(dāng)代平面設(shè)計中色彩表現(xiàn)的發(fā)展趨勢探究[J]. 包裝工程, 2022, 43(18): 397-401. ZHANG H L. Research on the Development Trend of Color Expression in Contemporary Graphic Design[J]. Packaging Engineering, 2022, 43(18): 397-401.

[7] 李肖雄. 觸覺在平面設(shè)計中的影響及應(yīng)用探析[J]. 包裝工程, 2022, 43(4): 419-422. LI X X. Analysis of the Influence and Application of Haptic Sense in Graphic Design[J]. Packaging Engineering, 2022, 43(4): 419-422.

[8] 王一帆. 建筑平面設(shè)計中的視覺審美[J]. 建筑結(jié)構(gòu), 2022, 52(20): 154. WANG Y F. Visual Aesthetics in Architectural Graphic Design[J]. Building Structure, 2022, 52(20): 154.

[9] 郝志剛. 平面設(shè)計中的情感化表現(xiàn)[J]. 包裝工程, 2021, 42(12): 344-346. HAO Z G. Emotional Expression in Graphic Design[J]. Packaging Engineering, 2021, 42(12): 344-346.

[10] HOLLIS R. About Graphic Design[M]. Minneapolis: Occasional Papers, 2012.

[11] JOBLING P, JOBLING P, CROWLEY D. Graphic Design: Reproduction and Representation Since 1800[J]. Design Issues, 1996, 12(2): 291-296.

[12] 殷明. 計算機(jī)美術(shù)設(shè)計在數(shù)字媒體平面設(shè)計中的應(yīng)用[J]. 機(jī)械設(shè)計, 2021, 38(4): 154-155. YIN M. Application of Computer Art Design in Digital Media Graphic Design[J]. Mechanical Design, 2021, 38(4): 154-155.

[13] 銀宇堃, 陳洪, 趙海英. 人工智能在藝術(shù)設(shè)計中的應(yīng)用[J]. 包裝工程, 2020, 41(6): 252-261. YIN Y K, CHEN H, ZHAO H Y. The Application of Artificial Intelligence in Art Design[J]. Packaging Engineering, 2020, 41(6): 252-261.

[14] 胡潔. 人工智能驅(qū)動的藝術(shù)創(chuàng)新[J]. 裝飾, 2019, 319(11): 12-17. HU J. Art Innovation Driven by Artificial Intelligence[J]. Decoration, 2019, 319(11): 12-17.

[15] KARAATA E. Usage of Artificial Intelligence in Today's Graphic Design[J]. Online Journal of Art and Design, 2018, 6(4): 183-198.

[16] 徐國彬, 于藝銘, 李潔, 等. 基于改進(jìn)BSCB算法的缺陷國畫類數(shù)字圖像修復(fù)研究[J]. 激光與光電子學(xué)進(jìn)展, 2022, 59(10): 81-89. XU G B, YU Y M, LI J, et al. Research on Defective Chinese Painting Digital Image Restoration Based on Improved BSCB Algorithm[J]. Laser and Optoelectronics Progress, 2022, 59(10): 81-89.

[17] 董霙達(dá), 張成濤, 多化瓊, 等. 基于加權(quán)變換的蒙古族家具紋樣增強(qiáng)研究[J]. 計算機(jī)工程與科學(xué), 2021, 43(6): 1047-1051. DONG K D, ZHANG C T, DUO H Q, et al. Research on Mongolian Furniture Pattern Enhancement Based on Weighted Transformation[J]. Computer Engineering and Science, 2021, 43(6): 1047-1051.

[18] 許鑫, 鮑小春. 基于機(jī)器學(xué)習(xí)的剪紙圖像自動分類研究[J]. 圖書館雜志, 2018, 37(7): 88-96. XU X, BAO X C. Research on Automatic Classification of Paper-cut Images Based on Machine Learning[J]. Library Journal, 2018, 37(7): 88-96.

[19] 邱雪琳, 孫迎, 劉正, 等. 基于色彩優(yōu)化的云錦局部風(fēng)格遷移[J]. 絲綢, 2022, 59(12): 64-70. QIU X L, SUN Y, LIU Z, et al. Local Style Transfer of Brocade Based on Color Optimization[J]. Silk, 2022, 59(12): 64-70.

[20] 陳可佳, 費(fèi)子陽, 陳景強(qiáng), 等. 文本風(fēng)格遷移研究綜述[J]. 軟件學(xué)報, 2022, 33(12): 4668-4687. CHEN K J, FEI Z Y, CHEN J Q, et al. A Review of Text Style Transfer Research[J]. Journal of Software, 2022, 33(12): 4668-4687.

[21] 高峰, 焦陽. 基于人工智能的輔助創(chuàng)意設(shè)計[J]. 裝飾, 2019, 319(11): 34-37.GAO F, JIAO Y. Assisted Creative Design Based on Arti-ficial Intelligence[J]. Decoration, 2019, 319(11): 34-37.

[22] 李雄, 蘇建寧, 張志鵬. 基于深度學(xué)習(xí)的產(chǎn)品概念草圖生成設(shè)計研究[J]. 機(jī)械工程學(xué)報, 2023, 59(11): 16-30.LI X, SU J N, ZHANG Z P. Research on Product Concept Sketch Generation Design Based on Deep Learning[J]. Chinese Journal of Mechanical Engineering, 2023, 59(11): 16-30.

[23] OUYANG L, WU J, JIANG X, et al. Training Language Models to Follow Instructions with Human Feedback[J]. Advances in Neural Information Processing Systems, 2022, 35: 27730-27744.

[24] ROMBACH R, BLATTMANN A, LORENZ D, et al. High-resolution Image Synthesis with Latent Diffusion Models[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, New Orleans: IEEE Computer Society, 2022: 10684-10695.

Application of New Generation Artificial Intelligence Technology in Graphic Design

ZHAO Yongtao1*, GAO Jingwei2

(1.School of Art and Design, Luoyang Institute of Science and Technology, Henan Luoyang 471003, China; 2.Tianjin University, Tianjin 300354, China)

The work aims to explore the current status and limitations of artificial intelligence (AI) technology in the field of graphic design and propose a natural language-based image generation method to meet the needs of designers. The GPT-3 model was used to generate textual descriptions of creative ideas and the stable diffusion algorithm was adopted to generate images matching the descriptions. Through practical applications and testing, the effectiveness of the method in graphic design was examined, aiming to discover new perspectives and tools that simplified the design process and enhanced its quality and efficiency. The study adopts an empirical analysis approach, combining experimental results and qualitative analysis to evaluate the level of alignment between generated images and natural language descriptions, image quality, flexibility, and controllability of the method. By utilizing these evaluation criteria, the researchers can determine the method's effectiveness and better fulfill the requirements of designers. Future research directions include enhancing algorithm diversity and creativity, as well as exploring more intelligent graphic design tools to improve the efficiency and quality of designers' work.

artificial intelligence technology; graphic design; natural language description; image generation

TB482；J511

A

1001-3563(2024)04-0226-09

10.19554/j.cnki.1001-3563.2024.04.024

2023-09-25

河南興文化工程文化研究專項(xiàng)項(xiàng)目（2023XWH250）