DOGS supera a nueve métodos de referencia en generación de logotipos con dos renderizadores

Un equipo de investigadores ha publicado en arXiv el trabajo DOGS (Design-space prompting with an Originality-aware GFlowNet Sampler). Es un método de generación de logotipos en el que el prompt de texto no se reescribe, sino que se construye como un grafo de decisiones de diseño. Los autores lo probaron con dos renderizadores de código abierto y lo compararon con nueve métodos de referencia. Según sus datos, DOGS genera logotipos más reconocibles y estéticos, notablemente más diversos y mucho menos parecidos a marcas registradas protegidas. El resumen no incluye valores concretos de las métricas; hay que buscarlos en el propio artículo.

Por qué reescribir el prompt no sirve para los logotipos

La optimización de prompts para modelos text-to-image se reduce casi por completo a reescribir texto. La breve petición del usuario se expande en una secuencia larga de tokens que el modelo entiende mejor. Con escenas fotorrealistas esto funciona. Con los logotipos, peor.

Un encargo de una sola línea como «logotipo para una cafetería» deja abiertas casi todas las decisiones: forma, composición, paleta, grado de abstracción, tipo de fuente. Esas decisiones están relacionadas entre sí. De la elección del símbolo depende la tipografía admisible, y de esta, la maquetación. Una secuencia lineal de tokens codifica mal estas relaciones.

Hay además un problema legal. Si las decisiones no se fijan de forma explícita, el modelo rellena los huecos con lo que más ha visto en sus datos de entrenamiento, y ahí abundan las marcas protegidas. Se crea así un canal incontrolado por el que el logotipo reconocible de un tercero puede colarse en el resultado.

Cómo funciona DOGS

Los autores han reformulado la tarea: el prompting de un logotipo pasa a ser un muestreo en un espacio de diseño estructurado. El proceso consta de varias partes.

Primero, a partir de un gran corpus de logotipos reales se extrae una gramática de diseño en forma de grafo tipado. Las aristas del grafo recogen la coocurrencia empírica de los elementos, es decir, qué decisiones suelen ir juntas.

Después actúa un muestreador basado en GFlowNet. Esta arquitectura genera objetos con una probabilidad proporcional a la recompensa terminal, por lo que no devuelve un único óptimo, sino un conjunto diverso de buenas variantes. La recompensa se compone de tres elementos: reconocibilidad, estética y originalidad respecto al corpus.

Cada ranura del grafo se rellena únicamente con términos de un vocabulario cerrado a nivel de diseño. Cualquier token que incite a infringir derechos o sea dañino se elimina ya en la fase de análisis sintáctico. La recompensa por originalidad penaliza la cercanía a logotipos existentes. Así, la protección frente a infracciones está incorporada en el propio método, y no añadida como un filtro posterior a la generación.

Qué se sabe a partir del resumen

• Método: DOGS, grafo de diseño más muestreador GFlowNet.
• Datos: un gran corpus de logotipos reales, del que se extrae la gramática.
• Recompensa: reconocibilidad, estética y originalidad respecto al corpus.
• Restricciones de generación: vocabulario cerrado a nivel de diseño y eliminación de tokens peligrosos durante el análisis sintáctico.
• Evaluación: dos renderizadores de código abierto y nueve métodos de referencia.
• Resultado declarado: mayor reconocibilidad y estética, diversidad sensiblemente mayor y un riesgo notablemente menor de infringir marcas registradas.

Qué aporta en la práctica

Para los equipos que desarrollan servicios de generación automática de branding, la idea es útil con independencia de la implementación concreta. Consiste en sacar las decisiones de diseño del texto libre y llevarlas a una estructura explícita, donde se pueden controlar, registrar y auditar. Así, la pregunta «por qué el modelo ha dibujado precisamente esto» tiene respuesta en forma de valores concretos de cada ranura.

Conviene examinar el método en varios puntos. El primero es cómo se relaciona la «originalidad respecto al corpus» con una verificación jurídica. La cercanía a logotipos conocidos en el espacio de características no equivale a un riesgo de demanda, y esta métrica no puede considerarse un sustituto de la búsqueda de marcas y patentes. El segundo es cómo se comporta la gramática ante consultas de nicho, poco representadas en el corpus. El tercero es qué coste en velocidad y complejidad se paga por muestrear un grafo en lugar de hacer una sola llamada a un modelo de lenguaje.

A quienes lanzan productos de este tipo les conviene esperar a la versión completa del artículo y al código. Entonces se podrá comparar DOGS con los optimizadores de prompts basados en texto en tareas propias y comprobar si se mantiene la ventaja en diversidad y en limpieza legal.