LoGAN: Generating Logos with a Generative Adversarial Neural Network Conditioned on color

本文提出了LoGAN框架用于logo生成，基于AC-WGAN-GP结构。其condition 是12种不同的颜色，以颜色进行logo类别的标识。该篇论文代码已经开源，下载地址

总体上说来，论文思路很简单，但是有很强的业界价值。

LogoGAN框架图如下图所示：

该模型综合了AC-GAN与 WGAN-GP 两部分的优势，又进行了部分改造：
- AC-GAN 的D 损失来源于两个部分：real-fake loss 和 class loss。
- WGAN-GP 稳定了训练过程。
- LoGAN的 D 的损失只来自于real-fake loss。由增加的分类器 Q 进行 class loss的判定。不过从图中结构来看Q的feature map 也应该来自于D。

数据使用的是 LLD-icons dataset, 有 486’377 32 *×* 32 icon。
使用k-means算法找到每张图片上最主要的3种颜色，最主要的是组成color words。全部一共有12种主要的颜色：black, blue, brown, cyan, gray, green, orange, pink, purple,red, white, and yellow
模型评估使用的是Precision、Recall、F1。

实际效果展示：

综合评价：

以目前的方案来讲实用性不是很大，更多的是给予一种可能性。距离实际使用差距太大。