LogoDiffusion_added_slides

1.

М ИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РФ
ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ
Факультет «Информатика и вычислительная техника» • Кафедра «Кибербезопасность информационных систем»
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ НА ТЕМУ:
Исследование и разработка системы
генерации фирменных логотипов по текстовому описанию,
с использованием диффузионных моделей
«умная доставка • минимализм»
Факультет «Отдел магистратуры»
Кафедра «Институт сквозных технологий»
NOVA
Выполнил: студент группы МИК21
Коломиец Данил Дмитриевич
Научный руководитель: к. ф.-м. н. доцент
Кадомцев Максим Игоревич
LogoDiffusion • генерация фирменных логотипов
Ростов-на-Дону • 2026
ДГТУ | Коломиец Д. Д.
1

2.

Актуальность работы
Генеративные модели позволяют ускорить ранний этап разработки фирменного знака
Рост спроса на создание
логотипов
Новые сервисы и приложения требуют
быстрых визуальных решений без долгого
ручного проектирования.
Потенциал diffusion-моделей
SDXL и LoRA позволяют получать более
разнообразные варианты логотипов по
обычному описанию.
Проблема, решаемая в работе
Нужно связать свободное русскоязычное описание пользователя с
управляемой генерацией логотипа: выделить стиль, цвета,
символы, сформировать полный промпт и получить несколько
пригодных вариантов.
2

3.

Цель и задачи исследования
Автоматизация создания фирменного знака от текстовой идеи до экспортируемого результата
ОБЪЕКТ
ПРЕДМЕТ
ЦЕЛЬ
процессы проектирования фирменных логотипов с
использованием диффузионных моделей
методы и программные средства генерации
логотипов по текстовому описанию
З АД АЧ И И С С Л Е Д О В АН И Я
1
Проанализировать отечественные аналоги и сценарии применения.
2
Выбрать диффузионную модель и способы управления результатом.
3
Разработать серверную архитектуру, БД и веб-интерфейс.
4
Реализовать генерацию, постобработку и экспорт логотипа.
5
Определить критерии оценки качества и работоспособности.
разработать веб-систему, создающую варианты
логотипа и подготавливающую их к использованию
3

4.

Сравнительная характеристика решений
Сравнение проводится по публично заявленным функциям; «не заявлено» не означает техническую невозможность
LogoStudioChat
(разработка)
Иронов
Kandinsky
Шедеврум
Gerwin AI
Русскоязычный текстовый запрос
Ориентация именно на логотипы
○
○
○
Дообучение под фирменный стиль (LoRA)
—
—
—
—
Управление композицией / референсом
○
○
○
Подготовка к SVG-экспорту
○
—
—
—
Собственный REST API и история генераций
—
—
○
Критерий
● заявлено / реализуется
○ частично / в общем виде
— не заявлено публично
Преимущество разработки: специализированная цепочка «prompt →
управляемая генерация → очистка → SVG».
4

5.

Инструменты реализации
Компоненты разделены по уровням: веб-приложение, ML-ядро, обработка результата и хранение
Веб и API
ML-ядро
Генерация
Данные и экспорт
Python 3.11+
PyTorch
SDXL
SQLite3
FastAPI
Diffusers
LoRA
Pillow
HTML • CSS • JS
Transformers
ControlNet
Potrace SVG
Accelerate
5

6.

Архитектура системы
Система разделена на пользовательский интерфейс, API, обработку промпта, ML-ядро и хранение
Клиентский
уровень
Пользователь
текстовый и
голосовой ввод
Веб-интерфейс
чат, подсказки, история
Серверный
уровень
FastAPI
Авторизация
Обработка запроса
main.py, REST API
auth.py, сессии и доступ
chat.py + prompting.py
ML-уровень
Генерационный
пайплайн
pipeline.py, SDXL 1.0 + LoRA
+ ControlNet
Хранение и
результат
SQLite3
users, sessions,
chat_states
Генерация
2 варианта, 768×768,
34 шага
Файлы результата
PNG, SVG, превью
Постобработка
Ключевая идея
• русскоязычный
ввод
• управляемый
промпт
• генерация и
экспорт
Pillow, vectorize.py, PNG/SVG
Возврат
пользователю
отображение, скачивание,
история
6

7.

Дообучение SDXL под логотипы
LoRA используется для смещения базовой модели в сторону эмблем, чистых линий и векторной графики
Собственный набор данных
1
520 учебных изображений логотипов
460 — обучение, 60 — проверка
2
Без зарегистрированных товарных
знаков и копий известных брендов.
Датасет
абстрактные знаки, эмблемы, монограммы
Описания
стиль, форма, палитра, композиция
3
LoRA
дообучаются малые дополнительные веса
4
SDXL 1.0
база сохраняет общие возможности генерации
5
Результат
чище, проще и ближе к логотипу
7

8.

Алгоритм генерации
От пользовательского брифа к масштабируемому фирменному знаку
1
2
3
4
5
6
Бриф
промт
Диффузия
Контроль
Очистка
Экспорт
Название, стиль,
цвета, ассоциации
Позитивный +
негативный промт
SDXL
+ LoRA
ControlNet
Фон, контуры,
кроп
PNG + SVG
и история
К л ю ч е в о й ц и к л ул уч ше н и я
варианты
уточнение
Выбор пользователя
финальный SVG
8

9.

Интерфейс ПО
Главная страница
Сгенерировать
9

10.

Интерфейс ПО
Генерация
Сгенерировать
10

11.

Критерии проверки качества
Оценка объединяет технические проверки и экспертную оценку визуального результата
Релевантность
соответствие брифу и заданной семантике
экспертная шкала 1–5
Воспроизводимость
повтор генерации по промту и задаваемым параметрам
сравнение запусков
Читаемость формы
узнаваемость в малом размере
иконки 32 / 64 px
Готовность к экспорту
фон, контур и корректный SVG
функциональный тест
11

12.

Примеры генерации логотипов
Сгенерировать
12

13.

Заключение
В ходе работы было проведено исследование и
разработана система генерации фирменных логотипов
по текстовому описанию с использованием
диффуз ионных моделей
В результате работы были выполнены следующие задачи:
1
Проанализированы отечественные аналоги и сценарии применения.
2
Выбрана диффузионная модель и способы управления результатом.
3
Разработана серверная архитектура, БД и веб-интерфейс.
4
Реализована генерация, постобработка и экспорт логотипов.
5
Определены критерии оценки качества и работоспособности.
13