人在环路的细分行业logo生成方法

doi:10.11996/JG.j.2095-302X.2025020382

图学学报 ›› 2025, Vol. 46 ›› Issue (2): 382-392.DOI: 10.11996/JG.j.2095-302X.2025020382

• 计算机图形学与虚拟现实 • 上一篇下一篇

人在环路的细分行业logo生成方法

李纪远(), 管哲予, 宋海川(), 谭鑫, 马利庄

华东师范大学计算机科学与技术学院，上海 200062

收稿日期:2024-07-08 接受日期:2024-10-08 出版日期:2025-04-30 发布日期:2025-04-24
通讯作者:宋海川(1986-)，男，副教授，博士。主要研究方向为计算机辅助设计、计算机视觉。E-mail：hcsong@cs.ecnu.edu.cn
第一作者:李纪远(2004-)，男，本科生。主要研究方向为计算机辅助设计。E-mail：leehenry1024@qq.com
基金资助:
国家自然科学基金(62302167);国家自然科学基金(62222602);上海市青年科技英才扬帆计划(23YF1410500)

Human-in-the-loop field-specific logo generation method

LI Jiyuan(), GUAN Zheyu, SONG Haichuan(), TAN Xin, MA Lizhuang

School of Computer Science and Technology, East China Normal University, Shanghai 200062, China

Received:2024-07-08 Accepted:2024-10-08 Published:2025-04-30 Online:2025-04-24
First author：LI Jiyuan (2004-)，undergraduate student. His main research interest covers computer-aided design. E-mail：leehenry1024@qq.com
Supported by:
National Natural Science Foundation of China(62302167);National Natural Science Foundation of China(62222602);Shanghai Youth Science and Technology Talents Sailing Program(23YF1410500)

摘要/Abstract

摘要：

logo图像相比于其他生成图像类型，有着高度抽象、设计多变、风格统一的特点，因此较难直接控制生成结果。为了实现符合各行业特点、满足多种设计构成形态需要的logo高效生成，提出了一种人在环路的细分领域logo生成方法。首先，基于Dreambooth微调文生图扩散模型，以网络公开资源搜集的logo作为数据集，将文生图模型Stable Diffusion XL作为基座模型训练出适用于基础logo生成的“雏形模型”。然后，构造出多组适用于各目标行业领域的文本提示词库，在提示词库指导下，通过雏形模型对各目标行业的logo进行生成。接着，通过人工介入对生成结果进行筛选，推演构造出符合行业需求的二次数据集。最后，利用得到二次数据集对模型基于LoRA进行迭代微调，得到生成logo的“成品模型”，并通过生成图像与提示词的余弦相似度以及人工问卷指标对成品模型的生成结果进行评估，验证了成品模型生成的logo图像在行业关联度、结构完整性以及美观程度等评价维度上相比于未经过上述处理的原模型直接生成的效果有可观提升。

关键词: 图像生成, 扩散模型, 人在回路, 训练集构造, 文本合成图像

Abstract:

Compared to other types of generated pictures, logos are highly abstract, diversely-designed and unified in styles, making it challenging to directly control the outcome of the generated pictures. In an effort to efficiently generate logos that are in line with the characteristics of various industries and meet the requirements of multiple designs of composition patterns, a Human-in-the-Loop field-specific logo generation method was proposed. Firstly, based on Dreambooth, a method for fine tuning text-to-image diffusion models, and a dataset composed of logos collected from publicly available online sources the text-to-image model Stable Diffusion XL was utilized as the base model and trained to develop a “prototype model” for basic logo generation. Then, groups of lexicons for targeted industries were constructed. The prototype model was then used to generate logos for targeted industries under the guidance of the lexicons. Next, via human intervention, the generated outcomes were filtered into secondary datasets tailored to industry needs. Finally, “prototype model” was iteratively fine-tuned using LoRA and the secondary datasets, obtaining the final model for logo generation. The generated results of the final model were evaluated using cosine similarity between generated images and prompt words, as well as manual questionnaire indicators. The evaluation demonstrated that the logos generated by the final model have a considerable exhibited significant improvements in industry relevance, structural integrity, and aesthetic appearance compared to those generated directly by the untrained base model.

Key words: image synthesis, diffusion model, human-in-the-loop, training set construction, text to image

中图分类号:

TP391

李纪远, 管哲予, 宋海川, 谭鑫, 马利庄. 人在环路的细分行业logo生成方法[J]. 图学学报, 2025, 46(2): 382-392.

LI Jiyuan, GUAN Zheyu, SONG Haichuan, TAN Xin, MA Lizhuang. Human-in-the-loop field-specific logo generation method[J]. Journal of Graphics, 2025, 46(2): 382-392.

图/表 24

参考文献 28

[1]	刘柏良, 刘玮. 设计文本引导下运用AI进行方案迭代的建筑设计方法初探[J]. 新材料·新装饰, 2023, 5(1): 1-5.
	LIU B L, LIU W. Preliminary exploration of architectural design methods using AI for scheme iteration under the guidance of design texts[J]. New Material New Decoration, 2023, 5(1): 1-5 (in Chinese).
[2]	刘泽润, 尹宇飞, 薛文灏, 等. 基于扩散模型的条件引导图像生成综述[J]. 浙江大学学报(理学版), 2023, 50(6): 651-667.
	LIU Z R, YIN Y F, XUE W H, et al. A review of conditional image generation based on diffusion models[J]. Journal of Zhejiang University (Science Edition), 2023, 50(6): 651-667 (in Chinese).
[3]	王延文, 雷为民, 张伟, 等. 基于生成模型的视频图像重建方法综述[J]. 通信学报, 2022, 43(9): 194-208. DOI
	WANG Y W, LEI W M, ZHANG W, et al. Survey on video image reconstruction method based on generative model[J]. Journal on Communications, 2022, 43(9): 194-208 (in Chinese). DOI
[4]	WANG Y X, GONZALEZ-GARCIA A, HERRANZ L, et al. Controlling biases and diversity in diverse image-to-image translation[J]. Computer Vision and Image Understanding, 2021, 202: 103082.
[5]	朱丽红. 发展数字经济赋能小微企业高质量发展对策研究[J]. 老字号品牌营销, 2023(20): 151-153.
	ZHU L H. Research on strategies for empowering high quality development of small and micro enterprises through the development of digital economy[J]. China Time-Honored Brand, 2023(20): 151-153 (in Chinese).
[6]	郑赫然. 浅议logo设计的思路及方法[J]. 艺术科技, 2019, 32(9): 178, 186.
	ZHENG H R. Discussion on the ideas and methods of logo design[J]. Art Science and Technology, 2019, 32(9): 178, 186 (in Chinese).
[7]	RUIZ N, LI Y Z, JAMPANI V, et al. DreamBooth: fine tuning text-to-image diffusion models for subject-driven generation[C]// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2023: 22500-22510.
[8]	HA D, DAI A, LE Q V. HyperNetworks[EB/OL]. (2016-12-01) [2024-04-19]. https://arxiv.org/pdf/1609.09106.pdf.
[9]	李彬, 王平, 赵思逸. 基于双重注意力机制的图像超分辨重建算法[J]. 图学学报, 2021, 42(2): 206-215.
	LI B, WANG P, ZHAO S Y. Image super-resolution reconstruction based on dual attention mechanism[J]. Journal of Graphics, 2021, 42(2): 206-215 (in Chinese). DOI
[10]	任好盼, 王文明, 危德健, 等. 基于高分辨率网络的人体姿态估计方法[J]. 图学学报, 2021, 42(3): 432-438.
	REN H P, WANG W M, WEI D J, et al. Human pose estimation based on high-resolution net[J]. Journal of Graphics, 2021, 42(3): 432-438 (in Chinese). DOI
[11]	林晓, 屈时操, 黄伟, 等. 显著区域保留的图像风格迁移算法[J]. 图学学报, 2021, 42(2): 190-197.
	LIN X, QU S C, HUANG W, et al. Style transfer algorithm for salient region preservation[J]. Journal of Graphics, 2021, 42(2): 190-197 (in Chinese).
[12]	GOODFELLOW I, POUGET-ABADIE J, MIRZA M, et al. Generative adversarial networks[J]. Communications of the ACM, 2020, 63(11): 139-144.
[13]	黄凯奇, 赵鑫, 李乔哲, 等. 视觉图灵: 从人机对抗看计算机视觉下一步发展[J]. 图学学报, 2021, 42(3): 339-348.
	HUANG K Q, ZHAO X, LI Q Z, et al. Visual Turing: the next development of computer vision in the view of human- computer gaming[J]. Journal of Graphics, 2021, 42(3): 339-348 (in Chinese).
[14]	YEH R A, CHEN C, LIM T Y. Semantic image inpainting with deep generative models[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2017: 5485-5493.
[15]	BODLA N, HUA G, CHELLAPPA R. Semi-supervised FusedGAN for conditional image generation[C]// The 15th European Conference on Computer Vision. Cham: Springer, 2018: 669-683.
[16]	CI Y Z, MA X Z, WANG Z H, et al. User-guided deep anime line art colorization with conditional adversarial networks[C]// The 26th ACM International Conference on Multimedia. New York: ACM, 2018: 1536-1544.
[17]	YEH R A, CHEN C, LIM T Y. Semantic image inpainting with deep generative models[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2017: 5485-5493.
[18]	IIZUKA S, SIMO-SERRA E, ISHIKAWA H. Globally and locally consistent image completion[J]. ACM Transactions on Graphics, 2017, 36(4): 107.
[19]	SAGE A, TIMOFTE R, AGUSTSSON E, et al. Logo synthesis and manipulation with clustered generative adversarial networks[C]// 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2018: 5879-5888.
[20]	SAGE A, AGUSTSSON E, TIMOFTE R, et al. LLD-large logo dataset version 0.1. 2017[EB/OL]. (2017-04-07)[2024-04-19]. https://data.vision.ee.ethz.ch/cvl/lld.
[21]	MINO A, SPANAKIS G. LoGAN: generating logos with a generative adversarial neural network conditioned on color[C]// The 17th IEEE International Conference on Machine Learning and Applications. New York: IEEE Press, 2018: 965-970.
[22]	SAGAWA Y, HAGIWARA M. Logo generation with generative adversarial networks conditioned on sentiment terms[J]. Transactions of Japan Society of Kansei Engineering, 2019, 18(3): 215-222.
[23]	PODELL D, ENGLISH Z, LACEY K, et al. SDXL: improving latent diffusion models for high-resolution image synthesis[EB/OL]. [2024-05-07]. https://dblp.uni-trier.de/db/conf/iclr/iclr2024.html#PodellELBDMPR24.
[24]	XIAO S S, WANG L W, MA X J, et al. TypeDance: creating semantic typographic logos from image through personalized generation[C]// 2024 CHI Conference on Human Factors in Computing Systems. New York: ACM, 2024: 175.
[25]	HU E J, SHEN Y L, WALLIS P, et al. LoRA: low-rank adaptation of large language models[EB/OL]. [2024-05-07]. https://dblp.uni-trier.de/db/conf/iclr/iclr2022.html#HuSWALWWC22.
[26]	VASWANI A, SHAZEER N, PARMAR N, et al. Attention is all you need[C]// The 31st International Conference on Neural Information Processing Systems. Red Hook: Curran Associates Inc., 2017: 6000-6010.
[27]	OTANI M, TOGASHI R, SAWAI Y, et al. Toward verifiable and reproducible human evaluation for text-to-image generation[C]// 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. New York: IEEE Press, 2023: 14277-14286.
[28]	RADFORD A, KIM J W, HALLACY C, et al. Learning transferable visual models from natural language supervision[EB/OL]. [2024-05-07]. https://dblp.uni-trier.de/db/conf/icml/icml2021.html#RadfordKHRGASAM21.

序号	类别	数据规模
1	生物行业logo	9
2	建筑行业logo	9
3	科技行业logo	8
4	制造行业logo	8
5	弱行业化logo	11
总计	-	45

序号	类别	数据规模
1	生物行业logo	9
2	建筑行业logo	9
3	科技行业logo	8
4	制造行业logo	8
5	弱行业化logo	11
总计	-	45

序号	图片	提示词示例
1		一个标志，由红色、橙色和绿色的圆圈组成，用于一个商业服务行业的公司
2		一个标志，有蓝色的抽象建筑群，用于建筑行业的Construct Connect公司
3		一个标志，有一个红色有质感的红色圆形与粗体字体置于白色的背景上，用于商业服务行业的Airfix公司
4		一个标志，有青色字体和叠放的卡牌，用于电子音像行业的StarCityGames公司

序号	图片	提示词示例
1		一个标志，由红色、橙色和绿色的圆圈组成，用于一个商业服务行业的公司
2		一个标志，有蓝色的抽象建筑群，用于建筑行业的Construct Connect公司
3		一个标志，有一个红色有质感的红色圆形与粗体字体置于白色的背景上，用于商业服务行业的Airfix公司
4		一个标志，有青色字体和叠放的卡牌，用于电子音像行业的StarCityGames公司

构成元素	描述
图标	* 建筑工具(锤子、扳手) * 设备(起重机、推土机) * 建筑元素(砖块、房屋轮廓、蓝图)* 抽象形状(齿轮、向上箭头)
颜色	* 色彩强烈而可靠(蓝色、红色、黑色、橙色、黄色)* 有限的调色(2~3种颜色)

人在环路的细分行业logo生成方法

Human-in-the-loop field-specific logo generation method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 24

参考文献 28

相关文章 9

编辑推荐

Metrics

本文评价

细分行业	部分提示词库
建筑行业	卡车、楼房、塔吊、安全帽、建筑、工具……
教育行业	书籍、学生、朝阳、树苗、文具……
餐饮行业	厨师、食材、烹饪工具、美食、餐厅装饰……
科技行业	计算机、程序代码、创新、科研、虚拟……
抽象设计	色块组合、线条、流线型、组合……
具象设计	标志性的、联想的、具体的、模仿的……

序号	类别	数据规模
1	建筑行业logo	40
2	教育行业logo	38
3	科技行业logo	52
4	生物行业logo	43

序号	细分行业	提示词
1	建筑行业	建筑行业一家公司的标志，以深蓝色和橙色的街区、城市天际线和带光环的太阳为特色
2	教育行业	一个教育机构的标志，具有丰富多彩的渐变和树木形状的极简主义描绘
3	科技行业	一家科技公司的标志，呈冷青色，描绘了一个圆形外壳中类似字母“M”的入口
4	生物行业	生物科学行业一家公司的标志，其特征是一只蓝色的鸟栖息在树枝上，摆出一种暗示即将飞行的姿势

图像组	数据规模	数据分布
真实图像	150	建筑(人造设施)、动物(鸟类，兽类等)、风光(自然景观)各50张
logo图像	150	建筑(人造设施)、动物(鸟类，兽类等)、风光(自然景观)各50张
总计	300	-

组别	w	p	w提升/%	p提升/%
A	0.741	0.227	-	-
B	0.853	0.247	15.1	8.8
C	0.994	0.264	34.1	16.3

项目	样本分布
年龄	18岁以下：5人(2.78%) 18~25岁：152人(84.44%) 26~45岁：21人(11.67%) 46岁及以上：2人(1.11%)
行业背景	有设计相关工作或专业背景：30人(16.67%) 非设计相关工作或专业背景：150人(83.3%)
受教育水平	高中/中专及以下：15人(8.33%) 大专：8人(4.44%) 本科：133人(73.89%) 研究生：24人(13.33%)

组别	问卷评价指标(5级5分制)
组别	清晰识别	设计独特	配色和谐
O组	3.76/5.00	3.64/5.00	2.85/5.00
A组	3.54/5.00	2.33/5.00	3.02/5.00
B组	3.76/5.00	3.33/5.00	3.18/5.00
C组	3.98/5.00	3.40/5.00	3.69/5.00

模型/服务	分类为logo图像	分类为真实图片
Midjourney	0.975 715 4	0.024 284 5
文心一格	0.972 257 1	0.027 742 8
Stable Image Ultra	0.959 858 1	0.040 141 8
NIJI-journey	0.590 430 1	0.409 569 9
本文方法	0.980 027 6	0.019 972 3

[1]	孙禾衣, 李艺潇, 田希, 张松海. 结合程序内容生成与扩散模型的图像到三维瓷瓶生成技术[J]. 图学学报, 2025, 46(2): 332-344.
[2]	涂晴昊, 李元琪, 刘一凡, 过洁, 郭延文. 基于扩散模型的文本生成材质贴图的泛化性优化方法[J]. 图学学报, 2025, 46(1): 139-149.
[3]	张冀, 崔文帅, 张荣华, 王文彬, 李亚琦. 基于关键视图的文本驱动3D场景编辑方法[J]. 图学学报, 2024, 45(4): 834-844.
[4]	古天骏, 熊苏雅, 林晓. 基于SASGAN的戏剧脸谱多样化生成[J]. 图学学报, 2024, 45(1): 102-111.
[5]	王吉, 王森, 蒋智文, 谢志峰, 李梦甜. 基于深度条件扩散模型的零样本文本驱动虚拟人生成方法[J]. 图学学报, 2023, 44(6): 1218-1226.
[6]	邵俊棋, 钱文华, 徐启豪. 基于条件残差生成对抗网络的风景图生成[J]. 图学学报, 2023, 44(4): 710-717.
[7]	潘东辉, 金映含, 孙旭, 刘玉生, 张东亮. CTH-Net：从线稿和颜色点生成服装图像的CNN-Transformer混合网络[J]. 图学学报, 2023, 44(1): 120-130.
[8]	陈宝玉, 张怡, 于冰冰, 刘秀平. 两阶段可调节感知蒸馏网络的虚拟试衣方法[J]. 图学学报, 2022, 43(2): 316-323.
[9]	李小瑞, 谢诚, 李宾, 柳青, 胡健龙 . 基于知识元模型的跨模态聊天卡通表情图像合成[J]. 图学学报, 2021, 42(6): 908-916.

图像组	分类精度/%
真实图像	85.33
logo图像	90.21

图像组	分类精度/%
真实图像	85.33
logo图像	90.21

组别	w	p	w提升/%	p提升/%
B	0.499	0.268	-	-
C	0.558	0.285	11.7	6.6

组别	w	p	w提升/%	p提升/%
B	0.499	0.268	-	-
C	0.558	0.285	11.7	6.6