Россия
Россия
В работе рассмотрены подходы к моделированию процесса создания товарных знаков с использованием искусственных нейронных сетей. Проведен анализ современных генеративных архитектур, применяемых для визуального дизайна, включая диффузионные модели и генеративно-состязательные сети (GAN). Предложена концептуальная модель системы автоматизированного проектирования товарных знаков, включающая этапы обучения, генерации и оценки оригинальности изображений. Рассмотрены критерии оценки эстетического качества и уникальности создаваемых знаков. Полученные результаты могут быть использованы для оптимизации творческих процессов в области брендинга и разработки корпоративной идентичности.
искусственный интеллект, нейронные сети, генеративный дизайн, моделирование, товарный знак, компьютерное зрение, машинное обучение
1. Goodfellow I., Pouget‑Abadie J., Mirza M., Xu B., Warde‑Farley D., Ozair S., Courville A., Bengio Y. Generative Adversarial Nets // Advances in Neural Information Processing Systems (NeurIPS), 2014. – С. 41-42
2. Karras T., Laine S., Aittala M., Hellsten J., Lehtinen J., Aila T. Analyzing and Improving the Image Quality of StyleGAN // arXiv preprint arXiv:1912.04958, 2019.
3. Rombach R., Blattmann A., Lorenz D., Esser P., Ommer B. High‑Resolution Image Synthesis with Latent Diffusion Models // Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2022. — С. 2-6 DOI: https://doi.org/10.1109/CVPR52688.2022.01042
4. Radford A., Kim J. W., Hallacy C., Ramesh A., Goh G., Agarwal S., et al. Learning Transferable Visual Models from Natural Language Supervision // Proceedings of the 38th International Conference on Machine Learning (ICML), 2021. — С. 7-11
5. Skillbox. Топ‑10 сервисов для создания логотипов с помощью искусственного интеллекта. – URL: https://skillbox.ru/media/design/10-ai-for-logos/ (дата обращения: 09.10.2025).
