摘要：所以，我們美團(tuán)外賣技術(shù)團(tuán)隊嘗試結(jié)合技術(shù)，來協(xié)助設(shè)計師避免這種低收益高重復(fù)的任務(wù)，同時低成本高效率高質(zhì)量地完成海報圖片的生成。圖封面配色布局設(shè)計在設(shè)計領(lǐng)域的一些子問題上，可以用算法來挖掘出數(shù)據(jù)背后的規(guī)律如圖所示。

在視覺設(shè)計領(lǐng)域中，設(shè)計師們往往會因為一些簡單需求付出相當(dāng)多的時間，比如修改文案內(nèi)容，設(shè)計簡單的海報版式，針對不同機(jī)型、展位的多尺寸拓展等。這些工作需要耗費(fèi)大量的時間、人力成本（5~6張/人日），但對設(shè)計師的進(jìn)步成長起到的作用卻非常有限。另一方面，精準(zhǔn)營銷是未來的大趨勢，在大流量背景下，首頁的海報資源展位需要展示“千人千面”的效果，這對海報的生產(chǎn)效率也提出了非常高的要求。所以，我們美團(tuán)外賣技術(shù)團(tuán)隊嘗試結(jié)合AI技術(shù)，來協(xié)助設(shè)計師避免這種低收益、高重復(fù)的任務(wù)，同時低成本、高效率、高質(zhì)量地完成海報圖片的生成。本文以Banner（橫版海報）為例，介紹我們在海報設(shè)計與AI技術(shù)結(jié)合方面所進(jìn)行的一些探索和研究。

什么是Banner的設(shè)計過程？我們嘗試總結(jié)了對Banner設(shè)計的理解，Banner的設(shè)計過程是一系列的具備某種特征屬性的素材圖層的有序疊加過程。這里的特征屬性既包括顏色、形狀、紋理、主題等視覺屬性，也包括位置、大小、貼邊等空間屬性。在這個過程中，哪些環(huán)節(jié)可以被機(jī)器算法所探索呢？文獻(xiàn)[1]研究了如何調(diào)整圖像的顏色分布，使雜志封面的視覺效果更加符合人眼的視覺特性；文獻(xiàn)[2]以此為基礎(chǔ)，引入了基于顯著性識別的圖像裁剪，并使用優(yōu)化方法來解決布局問題。阿里巴巴的鹿班系統(tǒng)在去年雙十一當(dāng)天，生成1.7億張Banner；京東內(nèi)部也在孵化玲瓏和莎士比亞系統(tǒng)，更加智能地設(shè)計文案和Banner。

圖1 封面配色&布局設(shè)計[2]

在設(shè)計領(lǐng)域的一些子問題上，可以用算法來挖掘出數(shù)據(jù)背后的規(guī)律（如圖1所示）。那么，能否構(gòu)建一個完整的學(xué)習(xí)算法和處理系統(tǒng)，統(tǒng)一解決Banner設(shè)計中所有的子問題（配色、布局、搭配、生成）呢？

素材圖層是Banner的基礎(chǔ)元素，其本身可以被特征化，同時組成Banner的若干元素間的疊加順序可以被序列化，因此，算法實際是在學(xué)習(xí)“在什么時候，選擇某種素材，放在哪里”。

圖2 流程框架

如圖2所示，為了解決這個問題，我們設(shè)計規(guī)劃器、優(yōu)化器、生成器來共同構(gòu)建海報設(shè)計的學(xué)習(xí)與生產(chǎn)過程。其中：

規(guī)劃器從數(shù)據(jù)中學(xué)習(xí)設(shè)計師對不同風(fēng)格下的設(shè)計習(xí)慣與規(guī)律；

優(yōu)化器基于美學(xué)質(zhì)量和設(shè)計原則，對前者的輸出結(jié)果做精細(xì)化調(diào)整；

最后，由生成器選取/生成素材并渲染成圖；

素材庫作為這三個環(huán)節(jié)的基礎(chǔ)，負(fù)責(zé)素材管理和素材標(biāo)簽化。

如何提取素材圖片的特征屬性，這是比較典型的分類問題。在計算機(jī)視覺領(lǐng)域，傳統(tǒng)方案是提取圖像的顏色、梯度等低級語義特征[3]，結(jié)合傳統(tǒng)的分類器（LR、SVM等）來實現(xiàn)分類。近年來，基于深度學(xué)習(xí)的方法因為能表達(dá)更為復(fù)雜的語義特征，逐漸成為主流方法[4]。如圖3所示我們提取傳統(tǒng)的低級語義特征，以及基于CNN的高級語義特征，來共同完成素材特征屬性提取。

圖3 素材庫-特征提取

完成素材的數(shù)據(jù)化工作后，怎樣學(xué)習(xí)Banner的設(shè)計過程？

作為一種生成模型，對抗生成網(wǎng)絡(luò)（GAN）[5]在近年廣為應(yīng)用，其優(yōu)勢是可以端到端地訓(xùn)練圖像生成模型，但在我們的應(yīng)用場景下，GAN存在以下兩個問題：

GAN的過程更像是“黑盒”的過程：輸入方面，雖然Conditional-GAN之類的方法可以實現(xiàn)某種程度有條件地可控生成，但對于Banner設(shè)計任務(wù)來說，其輸入信息（文案、目標(biāo)風(fēng)格、主體信息）仍然過于復(fù)雜；

輸出方面，GAN直接生成源數(shù)據(jù)（即圖像），但非常缺乏解釋性。我們需要的是更加直觀、更有解釋性的信息，比如素材的類型、顏色、輪廓、位置等。

在上文中有提到，Banner設(shè)計過程是素材圖層依次疊加的過程。因此，我們可以用序列生成模型來擬合這個過程[6]。在建模過程中，我們把素材視作詞匯（Word），海報視作句子（Sentence），詞匯索引視為離散化的特征索引，素材疊加順序就可以視為句子中的詞順序[7]。

圖4 規(guī)劃器-序列生成

圖4是我們使用的序列生成模型，輸入主體信息和目標(biāo)風(fēng)格，輸出素材特征的序列。為了增強(qiáng)預(yù)測過程中多條路徑結(jié)果的多樣性，我們在監(jiān)督性地訓(xùn)練每個時刻的輸出之外，還引入了評估整個序列合理性的Object loss。如圖5所示，借鑒SeqGAN的思想，Object loss可以由判別器來提供[8]。

圖5 SeqGAN[8]

規(guī)劃器預(yù)測素材的量化特征，為了確保最終成圖符合美學(xué)標(biāo)準(zhǔn)，需要一個后處理的過程（圖6）。我們用優(yōu)化器來解決這個問題。從本質(zhì)上講，這是一個優(yōu)化過程。通過和設(shè)計師們的溝通，我們設(shè)計了一些基于常規(guī)設(shè)計理念和美學(xué)標(biāo)準(zhǔn)的目標(biāo)函數(shù)，動作集合包括移動、縮放、亮度調(diào)整等，結(jié)合優(yōu)化方法，提升Banner的視覺效果。

圖6 優(yōu)化器

優(yōu)化后的素材特征序列，通過生成器來渲染成圖。如圖7所示，對于素材庫檢索不到符合某種特征屬性的素材的情況，我們設(shè)計了圖像風(fēng)格遷移的方法來實現(xiàn)圖像特征遷移。這里的特征可以是顏色、形狀、紋理等低級特征，也可以是某種語義化的視覺風(fēng)格特征，對后者來說，可以將源圖像的內(nèi)容Content和目標(biāo)圖像的風(fēng)格Style在某種特征空間（CNN中的某一層）里做融合，實現(xiàn)風(fēng)格遷移[9,10]。

圖7 素材生成

“千人千面”的精準(zhǔn)營銷是未來營銷策略的趨勢，這對商品素材的豐富性提出了非常高的要求；從為商家賦能的角度來說，也需要為商家提供更多樣的海報版式，這也要求系統(tǒng)具備海報風(fēng)格的快速學(xué)習(xí)能力和拓展能力。對此，在常規(guī)設(shè)計風(fēng)格的研究之外，我們從以下3個方面做了一些拓展研究。

商品素材的豐富度與美學(xué)質(zhì)量是精細(xì)化營銷及海報美學(xué)質(zhì)量非常重要的一環(huán)。其中最核心的要求是圖像分割的能力[11,12]。以全卷積網(wǎng)絡(luò)（FCN）為基礎(chǔ)，如圖8所示，我們采取以下幾個在目標(biāo)分割領(lǐng)域常見的技巧，來實現(xiàn)商品圖片的目標(biāo)分割：

Encoder-Decoder結(jié)構(gòu)

空洞卷積

多尺度特征融合

Two-Stage微調(diào)網(wǎng)絡(luò)

圖8 圖像語義分割&摳圖（結(jié)構(gòu)圖部分參考DeepLab v3+[12]）

這種基于語義分割方法的結(jié)果，在專業(yè)設(shè)計師人工評審質(zhì)量的過程中，發(fā)現(xiàn)主體邊緣有時會出現(xiàn)明顯的鋸齒感。經(jīng)過分析，我們認(rèn)為有以下兩個原因：

語義分割模型把問題建模為一個“像素級分類過程”，每一個像素的類別都天然地被假設(shè)為“非此即彼”，大多數(shù)的Segmentation模型都采用Cross-Entropy作為損失函數(shù)；

因此，無論是從模型結(jié)構(gòu)（CNN）還是從損失函數(shù)的角度來說，分割模型會更傾向于全局信息從而丟棄局部結(jié)構(gòu)信息，導(dǎo)致只能得到邊緣比較粗糙的分割結(jié)果。

為此，如圖8所示，我們在圖像分割的輸出結(jié)果之外，結(jié)合了Image Matting方法：

對分割模型的輸出結(jié)果做形態(tài)學(xué)變換，生成三值Trimap，分別表示前景區(qū)、背景區(qū)、未知區(qū)；

應(yīng)用常規(guī)的Matting方法，比如Bayesian、Close-Form等，以原圖像和Trimap圖像為輸入，輸出前景圖的Alpha通道；

Matting可以使前景主體的邊緣更加平滑，視覺質(zhì)量更高（圖9）。

圖9 商品主體摳圖

另外，基于圖像美學(xué)質(zhì)量評分模型，我們會優(yōu)先選擇質(zhì)量分高的圖片作為主體素材來源。對中低分的圖片，未來可以考慮借鑒Cycle-GAN[13]的思想，設(shè)計基于半監(jiān)督和GAN的圖像增強(qiáng)網(wǎng)絡(luò)，美化后再經(jīng)過圖像分割產(chǎn)生主體素材。

上述的常規(guī)設(shè)計風(fēng)格的學(xué)習(xí)屬于一種廣義的設(shè)計風(fēng)格，需要設(shè)計師先期投入很多精力做風(fēng)格劃分以及數(shù)據(jù)收集、處理。為了快速適配熱點場景，我們借鑒圖像檢索技術(shù)(如圖10所示)，提取素材圖片的CNN特征及顏色特征，使用歐式距離來度量素材相似度，這能節(jié)省人工打標(biāo)簽的成本，實現(xiàn)基于固定模板的自動拓展及生成（海報臨摹）。

圖10 素材圖像檢索與模板拓展

在日常工作中，設(shè)計師在設(shè)計出Banner后，往往要花費(fèi)很長時間對不同展位、不同版本、不同機(jī)型做多尺寸適配（如圖11所示）。能否用算法來協(xié)助人工提效？在素材已經(jīng)確定，并且相互的位置關(guān)系近乎確定的條件下做多分辨率適配，這本質(zhì)上是一個優(yōu)化問題，我們在上文布局優(yōu)化器的基礎(chǔ)上，增加元素的局部相對位置與全局絕對位置的拓?fù)潢P(guān)系作為目標(biāo)函數(shù)。目前，系統(tǒng)支持在某個固定寬高比±30%范圍內(nèi)的任意分辨率適配，未來會進(jìn)一步擴(kuò)大適配范圍。

圖11 多分辨率拓展

目前，我們的Banner智能設(shè)計系統(tǒng)為鉆展（外賣首頁廣告位）、商家店鋪裝修等業(yè)務(wù)提供穩(wěn)定的設(shè)計能力；素材加工等子能力也在為外賣、閃購等商品圖片提供技術(shù)支持。后續(xù)我們會從擴(kuò)展常規(guī)設(shè)計風(fēng)格、語義相關(guān)的顏色及素材挖掘、自動解析數(shù)據(jù)、構(gòu)建自評估學(xué)習(xí)閉環(huán)等方面繼續(xù)研究，進(jìn)一步提高算法的設(shè)計能力和適用性，盡可能協(xié)助設(shè)計師提高效率，降低高重復(fù)性工作的時間和經(jīng)濟(jì)成本。

參考文獻(xiàn)

[1] A. Jahanian, J. Liu, D. Tretter, Q. Lin, E. O’Brien-Strain, S. Lee, N. Lyons, and J. P. Allebach. "Automatic Design of Colors for Magazine Covers". In Proc. IS&T/SPIE Electronic Imaging, International Society for Optics and Photonics, 2013
[2] X. Y. Yang, T. Mei, Y. Q. Xu, Y. Rui, S. P. Li. "Automatic Generation of Visual-Textual Presentation Layout". ACM Transactions on Multimedia Computing, Communications, and Applications, 2017
[3] David G. Lowe. "Distinctive Image Features from Scale-Invariant Keypoints". International journal of computer vision, 2004
[4] Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton. "ImageNet Classification with Deep Convolutional Neural Networks". NIPS, 2012
[5] I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville, Y. Bengio. "Generative Adversarial Networks". NIPS, 2014
[6] K. Kawakami. "Supervised Sequence Labelling with Recurrent Neural Networks". Studies in Computational Intelligence, 2008
[7] T. Mikolov. "Statistical Language Models based on Neural Networks". 2012
[8] L. Yu, W. Zhang, J. Wang, Y. Yu. "SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient". AAAI, 2017
[9] L.A. Gatys, A.S. Ecker, M. Bethge. "Image Style Transfer Using Convolutional Neural Networks". CVPR, 2016
[10] Y. Li, M.Y. Liu, X. Li, M.H. Yang, J. Kautz. "A Closed-form Solution to Photorealistic Image Stylization". ECCV, 2018
[11] J. Long, E. Shelhamer, T. Darrell. "Fully Convolutional Networks for Semantic Segmentation". CVPR, 2015
[12] L.C. Chen, Y. Zhu, G. Papandreou, F. Schroff, H. Adam. "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation". ECCV, 2018
[13] J.Y. Zhu, T. Park, P. Isola, A. A. Efros. "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks". ICCV, 2017

曉星，2017年6月加入美團(tuán)，目前主要負(fù)責(zé)美團(tuán)外賣圖像內(nèi)容挖掘、增強(qiáng)、生成方面的相關(guān)工作，致力于圖像相關(guān)技術(shù)的積累及落地。