来个美工个人总结啊

鲁班来了!美工将面临失业!鲁班来了!美工将面临失业!快乐的独角兽百家号最近几年,随着电商的兴起,从事电商美工的朋友越来越多。美工的很大部分工作量在于设计广告图,然后制作很多个不同尺寸的广告图。有时候遇到特卖节之类的,要做几十个不同尺寸的广告图。不同的尺寸广告,横的,竖的,正方形的,各种尺寸。经常用某宝的人应该开始慢慢发现,同一时间手机里的海报banner都是不一样的,如果说一个还要要用20分钟去设计,那“双11”期间的1.7亿个banner,是要多少个设计师才能设计实现?可实际上都不是设计师设计的阿里的设计人工智能“鲁班”才是这么多banner的幕后“设计师”“鲁班”的logo为神马叫“鲁班”?顾名思义“让天下没有难撸的banner”!当然鲁班不仅是个伟大的工匠,也发明了很多工具,更让设计师更好地工作。在阿里内部有一个团队阿里智能设计实验室Logo阿里智能设计实验室主要就是做人工智能设计基于算法和大数据,为用户做大规模的、个性化的商品推荐阿里巴巴AI设计项目负责人乐乘(吴春松)来自阿里巴巴智能设计平台的设计师乐乘(吴春松),平时负责探索机器学习与电商广告设计的结合。他所在的团队开发了一套名为「鲁班」的系统,这套系统能根据用户的行为和偏好智能生成并投放广告。手机淘宝首页焦点图片就是机器生成的,还能根据用户点击结果自动调整。从纯商品个性化跨到广告资源位个性化,为了让「鲁班」达到这个效果,他们需要用海量的数据组合训练它,中间几个关键的技术点:人工机器拆解,让机器理解像素的单位分别代表什么一般高质量的广告设计需要把商品图片抠出来,放到精美的设计主题里。以前当然都是设计师给商品抠图后再做设计,现在用机器做海量设计,就得让机器来做这个事情。让机器自动处理海量的商品自动抠图。拆解设计元素的组成部分、空间布局,使机器学会按照风格组织元素一张广告设计图片是像素组成的“信息”,不是“数据”。利用机器把商品、文字和设计主题进行在线合成,这样每张广告图片就带上了商品信息,可以根据消费者偏好进行个性化投放。所以鲁班产品上线初期,让设计师根据活动主题做了大批量风格的模板,事实证明了这种模式投放效果可以大幅提升点击率。让机器能分辨「美」和「丑」从长远发展角度发展必须让机器来做设计。大概是16年8月份开始的,有一位之前负责淘宝“拍立淘”(在淘宝内通过图片搜索找同款,随拍随找)产品开发的图像算法专家加入进来,主导整个智能设计的算法框架。做过电商的设计师们都知道banner海报的设计基本组成是----背景+商品+文字----那么我们可以这样认为:背景依据素材库营造不一样的氛围商品依靠技术手段实现选品和快速抠图文字使用数据库来实现文字标题那么智能海报,“鲁班”的设计有哪些核心步骤呢?第一步,让机器理解设计是什么构成的:通过人工数据标注,对设计的原始文件中的图层做分类,对元素做标注。设计专家团队也会提炼设计手法和风格。通过数据的方式告诉机器这些元素为什么可以放在一起,我们把专家的经验和知识通过数据输入。这部分核心是深度序列学习的算法模型。第二步,建立元素中心:当机器学习到设计框架后,需要大量的生产资料。我们会建立元素库,通过机器做图像特征提取,然后分类,再通过人工控制图像质量以及版权问题,我们买了有版权的图库,也是希望从一开始就避免版权方面的纠纷。第三步,生成的系统:原理有点像AlphaGo下围棋。我们在设计框架上构建起虚拟画布,类似棋盘,生成的系统把元素中心的元素往棋盘放,在这里我们采用了“强化学习”,就好像你在家里放一台扫地机器人,让它自己跑,跑个几圈,它自己会知道哪里有障碍要避开。在强化学习的过程中,机器参考原始样本,通过不断尝试,得到一些反馈,然后从中学习到什么样的设计是对的、好的。第四步,评估的系统:我们会抓取大量设计的成品,从“美学”和“商业”两个方面进行评估。美学上的评估由人来进行,这方面有专业众包公司;商业上的评估就是看投放出去的点击率浏览量等等。“鲁班”的设计依据庞大的数据教会了机器「审美」,机器可以通过数字化寻求一个最合理的解决方案,达到设计师能够认可的效果。阿里不仅在让机器学习美学,同时也在积累着数百万级别的商业化经验。设计智能化“鲁班”的最大优势是商业和技术两方面的比较好的结合产物。首先在技术深度方面,它有门槛很高的一套系统,另外在商业方面,它的确能通过“智能化”和“个性化”,实现商业价值最大化,颠覆传统方式。说完了“鲁班”的腻害,我们再来说说,阿里妈妈创意中心研发的海量模板~到底有多厉害呢???不同尺寸的,只需要轻松一拉!艾玛,1秒就完美排版啊!以前要手工10分钟到30分钟的排版更换,现在只需要1秒!简直太气人有没有?!好方......本文仅代表作者观点,不代表百度立场。系作者授权百家号发表,未经许可不得转载。快乐的独角兽百家号最近更新:简介:你每天玩你推荐的各种手机硬件和软件给你作者最新文章相关文章

参考资料

 

随机推荐