AI 字体世界地图:用 AI 和机器学习辨析各种字体的审美特征

【新智元导读】著名设计机构 IDEO 项目负责人 Kevin Ho 受到李飞飞高徒 Andrej Karpathy 做的“图像地图”的启发,用机器学习算法通过视觉特征对字体进行排序和分类,形成了一个“字体地图”,可以帮助设计人员更简单地发现具有相似审美特征的字体。

机器学习都能干什么?太多了。比如本文的作者 Kevin Ho ( 著名设计机构 IDEO 项目负责人) 就发现一张让他印象深刻的图像。这张奇妙的图片地图是由李飞飞的高徒 Andrej Karpathy 使用 AI 图像识别技术将数千张照片统合形成的。它不仅展示出 AI 在组织视觉信息方面的有效性,也让 Kevin 不禁联想到它在设计领域的应用。我们来看看他做了什么:

Andrej Karpathy 创造出的图像,越看越觉得奇妙

让我试试能不能做一张字体地图

选择一种字体对设计师来说是经常需要做出的的视觉决策之一。通常情况下,设计师会反复选择用过的字体,或者在几类熟悉的字体中挑一个,比如 serif、sanserif、grotesque 等等。按类别找字体是个不错的想法,但即使在同一类字体中也存在着巨大的审美差异。另外,即使设计人员找到完美的字体,它也可能不适用于整个页面或网站。设计人员需要一种更简单的方法来发现具有相同审美意味的替代字体。于是我决定看看机器学习算法是否可以通过视觉特征对字体进行排序和分类,从而给设计人员提供一种新的字体搜索和使用方式。

使用 word handglove,机器学习算法将字体样本映射到 2d 空间中的指定点上

首先,我创建了一个图像训练集,每个字体一张图像。利用 IDEO 的内部专业知识,我发现字体设计师经常使用术语“handgloves”来检查字体,所以当生成给算法使用的图像时,我也使用了这个术语。这使得每张图像都包含足够的字符来表示每种字体的各种特征。

有了一堆字体图像后,我使用一个卷积神经网络 VGG16 为每个字体生成一个数字列表,表示网络所认为的该图像的显著视觉特征。最后,为了得出 x 和 y 值,我运行 T-SNE ——T-SNE 是一种用于获取大矢量并将其压缩到较小空间的流行算法——这里是将其压缩到 2-D 平面。

早期结果

最后,这个 2-D 空间里码放了约 800 种字体。我很惊讶,结果出乎意料,呈现出非常清晰的字体群,如 sans-serif 组和一组草书字体。该算法还能够将异常值或与其他字体关系较少的独特字体形成一个集群。

一旦我有了这张地图,接下来的挑战就是把它变成一个对设计人员又有趣有用的数字工具。幸运的是,我们一直可以从 IDEO 的设计师那里收集到反馈意见!

这次探索的最终成果就是字体地图啦,它是使用机器学习方法组织生成的包括 750 多种字体的交互式地图。

机器学习的快速发展使我对创造可以辅助设计过程的新智能系统非常兴奋。假如有数据可用,使用这种方法可以将数千种字体做成地图。我也很好奇,字体地图上会显示出怎样的流行组合?通过这种可视化过程,有没有可能为我们揭示出某种秘密,告诉我们如何才能配出好看的字体组合?IDEO 平台上的设计师们提出了这些问题,并对 AI 和机器学习能够扮演的角色展开了热烈的讨论。

我希望这能激发设计师们来玩转机器学习和 AI ,享受它们所带来的富有洞见和启发性的新能力。

  • 原文地址:https://medium.com/ideo-stories/organizing-the-world-of-fonts-with-ai-7d9e49ff2b25
  • 欣赏字体地图:http://fontmap.ideo.com

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-05-01

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

前沿 | 一块玻璃也可以是相机,新型无镜头相机助力计算机视觉

以前的相机配备自己的专门设备,如镜头和胶卷,而且照相得去照相馆。后来,手机、平板电脑、笔记本电脑和视频游戏机都有了自己的照相功能。现在,相机似乎会在某天变得和玻...

9910
来自专栏上善若水

CG006读《什么是计算机图形学》

计算机图形学(computer Graphics) 是研究计算机世界中图形的学问。

21420
来自专栏企鹅号快讯

对于机器视觉的应用的总结

机器视觉就是利用机器代替人眼做出测量和判断,在应用层面上,目前主要用来做系统集成或二次开发的较多,可以概括为以下四个部分: 1、检查。 外观及缺陷检测,主要利...

367120
来自专栏企鹅号快讯

监督学习越来越准,我为什么要写bandit问题

监督学习的典型场景 在涉猎bandit问题之前,监督学习是很好概括的: 步骤 1 刻画原始需求: 给用户推荐一道菜,结果只有两个:用户喜欢或者不喜欢 步骤 2 ...

20980
来自专栏腾讯大数据可视化设计团队的专栏

遇见大数据可视化 : 【云图】让数据可见

今天,即使你不熟悉云计算,大数据是什么。但是这些词汇已经充斥在我们的身边。我们被超负荷的信息和过多的数据折磨。谁没被定义成数字?

2.6K10
来自专栏PPV课数据科学社区

R语言—帕累托图

本文的主要目的有两个一个是学习如何在R中绘制帕累托图,另一个是如何绘制双坐标图,其中前三个例子是用绘制双坐标的方式绘制帕累托图的,其余为直接生成的帕累托图 @...

45360
来自专栏AI科技评论

微软为什么要用英伟达的GPU来支持CNTK?

今天下午,在北京举行的GTC CHINA 2016(GPU技术大会)中,英伟达深度学习研究院对CNTK中图像识别功能进行了简单介绍。 首先,我们来了解下CNTK...

28430
来自专栏CreateAMind

巨量奇幻炫酷照片来袭 - 人工智能艺术照片赏析

神经网络在计算机视觉取得了巨大的发展,让我们在图片效果上面的想象力有了更好的展示方式,想象力从图片效果扩展开来,人类的想象力有了更好的表达。从场景到人物,从游戏...

12520
来自专栏机器之心

前沿 | 没有地图也能导航:DeepMind展示全新AI导航技术

选自DeepMind 作者:Piotr Mirowski等 机器之心编译 当前的无人驾驶汽车高度依赖于精确的地图进行导航,尽管各家科技公司已经构建了接近完美的 ...

29650
来自专栏AI派

个性化推荐系统中的绕不开的经典问题有哪些

推荐系统从诞生到现在,伴随产生了很多的问题,有一些问题有较好的解决方案,但是有的仍然没有通用的解决方案。介绍这些问题之前,先来介绍下推荐系统的预测手段。

32030

扫码关注云+社区

领取腾讯云代金券