基于生成艺术的品牌视觉识别设计方法研究

王芷薇，吴祐昕

摘要：文章探讨生成艺术在品牌视觉识别设计中的应用价值及可行的方法，通过对比分析、归纳演绎和抽象概括，总结品牌视觉识别设计场景下的生成艺术应用方法，并就已有案例进行分析，进而建立基于生成艺术的品牌视觉识别设计流程和通用系统框架，归纳出风格化路径、可视化路径、参与式路径三种应用路径，并阐述相应的特征和具体方法。同时建议设计师从品牌诉求及设计意向角度出发，决定生成艺术运用于品牌视觉识别设计中的合理路径、思路以及实践方法。

关键词：生成艺术;品牌;视觉识别;设计方法

中图分类号：J524 文献标识码：A 文章编号：1004-9436（2021）23-0-04

0 引言

信息时代，图像和多媒体成为信息传播主流。品牌的价值观悄然改变，传统的品牌视觉识别设计已无法满足大众的需求，逐渐向动态、变化的格局发展。品牌视觉识别设计的核心内容就是使用视觉语言符号设计出能有效传达品牌内涵、引起目标受众共鸣并且具有个性的识别系统[1]。将生成艺术的思路与方法应用到品牌视觉识别设计中，能够使品牌视觉呈现多元化，设计工作效率更高，品牌形象管理更加便捷。同时，在保证系统性的前提下为不同场景中的品牌形象提供灵活多变的可能，深化受众的品牌记忆。可利用参数化的特点，使品牌相关者参与到整个视觉系统的构建过程中，深化受众对品牌的体验。

将生成艺术应用于品牌视觉识别设计的实践案例虽然逐年增多，但缺乏较为完整的方法体系。在品牌视觉识别设计的场景下，如何有效地根据品牌诉求和设计意图建立生成艺术系统亟待研究。

1 基于生成艺术的品牌视觉识别设计

生成艺术是指艺术家们使用机器、计算机程序、自然语言规则、其他程序發明之类的系统开展艺术实践，并且这个系统在完成艺术品的过程中具有一定的随机性、自主性[2]。生成艺术作为一种创作手段和思维方式，具有两个特点。一是将创作过程逻辑化，解构并明确定义视觉再现的流程，从而具有可迭代性、可任意回溯性[3];二是具有随机性特征，这是由于流程定义中变量的引入，使运用随机函数、复杂数据成为可能，设计结果从单一的解变为可无限衍生的解集。

生成艺术在品牌视觉形象设计的场景下，需要解决的问题有品牌信息的有效传达、品牌的个性化、品牌的记忆性、与受众的交流等。

传统视觉识别设计遵循的是精确定向、自上而下的线性流程，设计者将品牌信息转译成视觉化的符号，定常不变的设计结果通过各异的传播渠道不断巩固其在受众脑海中的印象。优点是传达过程精确稳定，但不能保证设计手段的有效性。当发展到动态视觉识别设计阶段，视觉识别要素以具有差异性的系列化形式呈现，能够促使观者自动比对差异，捕捉其中的模式规律，使品牌信息得到更加有效的传达。生成艺术作为一种设计方法，非常适合体现多元化、多变化、包容性、精确性的品牌价值。

为了更好地分析已有的将生成艺术引入品牌视觉识别的案例，为设计师提供实践性指导，需要对其流程与系统框架进行梳理。

2 基于生成艺术的品牌视觉识别设计流程及系统框架

2.1 生成式品牌视觉识别设计流程

基于生成艺术的品牌视觉识别设计流程中，设计师或团队会经历以下五个阶段。

第一，前期品牌调研与策略总结。前期的调研针对品牌背景展开，策略应包括企业发展、目标人群、竞品三方面，作为生成系统搭建路径的依据。

第二，根据策略选择搭建路径，发散构思并制作概念模型。可根据品牌诉求和设计意图分为风格化路径、可视化路径、参与式路径三种，路径的选择指导着设计构思和概念模型的建立。概念模型是语言、流程图或原型图对构思的描述，包括以品牌价值传达为目的的逻辑构建和视觉构建，即风格定位。

第三，执行阶段，设计生成系统的具体数学模型。根据概念模型，定义变量及生成规则，构建生成系统的数学模型。相较于传统设计工作流程，执行环节由单纯的视觉构建转变为从逻辑、视觉两方面构建生成系统，此环节需要对创意进行量化和模块化处理。设计手段也从使用设计软件制图转变为通过编程语言书写结构化文本来表述系统逻辑，而后搭建起的系统根据给定的输入量输出相应的感官结果。目前，用于计算机生成艺术创作的工具可总结为两类。一是编程类工具，包括文本式编程和节点式编程工具;二是一些视觉创意软件及其内置的、基于生成式算法的功能。

第四，对生成的感官结果进行功能性、识别性以及美学评估，并不断优化生成系统，确定视觉结果符合品牌视觉识别的设计要求后，再对生成系统进行可控性、稳定性评估，以保证系统每次生成的结果都符合上述设计要求。

第五，根据场景选择可拓展的媒介，调整系统以使其适应不同媒介，与受众积极交流互动，实现传达效果。

2.2 生成式品牌视觉识别设计的系统框架

搭建生成式品牌视觉识别的系统框架是为了使设计师和艺术家能够更好地解构、分析、描述现有的设计成果，从而设计出更有价值的基于生成艺术的品牌视觉识别设计产品。

理论上，生成艺术作为技术的延伸，来源于控制论和通用系统理论[4]。因此为了更形象地理解和更便利地指导实践，可以类比计算机系统的基本要素去搭建其框架。系统框架主要由输入参数、生成规则和输出感官结果三个环节构成，设计师人为地选择输入参数来源、定义变量、指定规则、评估结果，并不断循环迭代。

首先，在风格化路径、可视化路径、参与式路径三种路径的导向下，设计系统的输入参数分别是特定数学函数产生的值（如随机、噪声、三角函数等）、品牌数据、用户数据，作为影响设计视觉形式的变量。输入参数的选择会影响设计结果的可识别性。特定数学函数作为输入参数，本身没有明确的语义指向，多用于为生成系统创建复杂、多变或韵律的视觉结果。品牌数据和用户数据则需要通过传感器或输入终端等获取。此类输入数据可能是数字、声音、图片、视频、文本，可能是采样后的离散数据，也可能是随时间变换的连续数据，还可能是已经过处理的历史数据。

其次，根据概念模型构建出生成系统规则的数学模型。规则是创作决策过程的重要部分，是实现传达品牌信息目的的核心[5]。首先明确输入变量I（x）和输出变量O（y），输出端的变量O（y）包括视觉要素和构成要素，两者共同组建最后的画面，并作为感官结果。基本技术逻辑根据输入数据I（x）的类型选定，对图像进行像素级别处理，对于数值则建立与视觉要素的映射关系，对于文本或音频则转换为数值后建立映射关系。

最后，根据概念模型描述规则，除了映射关系y=f（x）外，还包括执行映射的条件、阈值等，语义框架由此建立。生成结果往往还需要人为后续加工，以满足品牌视觉识别的规范要求。

基于上述设计系统产生的视觉结果应用在品牌视觉识别系统中，一方面能够凸显品牌的个性，另一方面会使视觉系统的可识别性变得模糊。在两者间存在一种“栅栏效应”，当生成系统的输入量增加，受众接收到更多的视觉结果时，受众更易于分析和明确视觉系统的模式规律，从而对品牌形象的认知更加清晰，使生成艺术的衍生性与识别系统的可识别性实现平衡。

3 生成艺术在品牌视觉识别设计中的应用路径

设计往往讲求设计理念先行，设计师要在思维、文化模式的支撑下展开形式创造[6]。生成式品牌视觉识别设计可根据品牌策略确立路径，以不同的品牌诉求与设计意图为切入点，进而归纳出三种不同的设计路径，并对各路径下的生成系统进行特征分析、传达分析以及常用的算法和系统搭建思路分析。三种路径在应用过程中并非完全独立，而是以某一种为主导来规划生成系统的输入、输出及规则。

3.1 风格化路径——打造个性差异

从美学角度讲，生成艺术在风格化、个性化表现上具有天然优势。由于其视觉表征大多为充满变化的复杂性結构，具有随机、自由、律动、不均衡的视觉感知特性[7]。当应用于品牌视觉识别设计时，受众往往可以从这种人为创作难以实现的复杂形式中感知到技术力量，从非平衡形式中感知到品牌个性。此种设计路径多应用于具有多元文化背景的活动，如城市文化艺术节、设计节日等;具有跨学科特性的交流平台，如跨学科融合的研究中心、国际交流平台、协同创新机构等;强调数字化、有机生态化的品牌。

风格化路径下，视觉构思主要来自设计师的主观意识，形式上没有非常直观明确的语义表达，往往根据文化内涵或心理研究，探索感性的外在形式，创建意象图形或使用隐喻、通感手法。在建立生成系统框架时，输入端引入的数据大多没有具体的表意内容，仅服务于复杂图形的生成。

设计中视觉构思的概念常常来源于生物学、几何学、动力学，再用这些学科某一理论导出的数学模型直接作为生成规则。

第一，生物学概念的设计运用。生物学模型一类是对生物学研究对象物理形象特征的直观描绘，如DNA双螺旋结构、细胞模式图等的形态特征，抑或是对生物学概念之间的关系和运动模式进行提炼后的直观描绘，如模拟细胞分裂的动态特征。这些生物学特征作为人的普遍认知，将人的感官知觉与审美经验联系在一起，因而经常成为图形设计的灵感来源，阐释着有机的、自然的现实主义。此外，还有一类是使用模拟生物学行为的更抽象的模型，使生成系统具有自动演化的动态特征，如元胞自动机、L系统（L-System）遗传算法、集群行为、神经网络算法，用数字形式展现生命形式的有机性、运动性和不断成长的特征。沃斯克霍德（Voskhod）为教授编程、机器人、区块链技术等的计算机技术学校科珀斯（Corpus）创建的视觉识别便运用了元胞自动机这一模型，根据输入的文本可以生成无数不重复的图形作为视觉元素。

第二，几何学概念的设计运用。几何学模型有平面几何、立体几何、分形几何、拓扑学、金相学等，前两者是最为常见的。遵循平面构成、空间构成原理，在平面或立体空间，基于网格点阵、模块化组合、路径生长等原则，通过几何形体的重复、位移、旋转、缩放等指令产生复杂形式，并使用特定函数如随机、噪声、三角函数等作为图形变化的参数来源，函数的灰度信息映射到色彩、形状、空间高度等视觉属性，产生形式变化。FITC东京2015（数字创作者的演讲大会）的主视觉中使用细小几何、粒子随机散布和着色，利用噪声函数创建的黑白纹理作为肌理，模拟数字屏幕的失真效果，隐喻了数字化时代，展现了传统日本文化与纯粹激进潮流文化的疯狂碰撞。三角函数如正、余弦函数，可驱动周期性的规则变化，产生连续、律动的波形运动。造型上类似于建筑设计、产品设计中常见的参数化设计，表现出秩序感、通透感、流动感和起伏感四种基本感知属性[8]。第19届N?rdik Impakt（法国大型电子音乐盛会）的视觉识别中便运用了这种律动形式，优雅地呈现了电子与艺术之间的交流联系。

第三，动力学模型的设计运用。往往结合粒子、向量等模拟流体、磁场的抽象形式，创造张力视觉。设计师贾斯汀（Justin McKissick）在2019年国际数字交互大会的视觉识别设计中，为突出“野外设计”的主题，使用随机辐散的粒子和线段隐喻爆炸性增长的社会问题。

3.2 可视化路径——叙述品牌故事

可视化路径即将品牌数据引入设计，以视觉化审美形式讲述品牌故事。从视觉动机出发，建立数据与视觉形式之间清晰的映射关系，同时包含一定的审美加工。此路径常用于结合另一种创意语言的品牌，如音乐、舞蹈相关品牌。还有价值依赖于数据或可量化内容的品牌，如数据技术驱动型品牌、与天气气候紧密关联的食品产业品牌等。以科学论据和严谨的逻辑为里，以现代化风格为表，构造出具有理性魅力的美。

在生成系统的框架下，输入端引入的数据是能够代表品牌特质的数据，如音乐品牌的音频、露天活动的天气、参与嘉宾的故事等。通过数据到视觉要素的映射，对品牌信息进行编码，受众解码视觉结果，感知其内涵，实现语义表达。可视化路径的设计概念模型也常常来源于几何学模型和动力学模型，以及音乐视觉化，甚至数据图表的艺术化处理形式。例如，在2018可视化知识大会的视觉识别中，设计师直接应用了雷达图的图形形式，直观展现与会者的能力，个性鲜明且多样化，通过图形手段叙述了每个参与者的故事。

荷兰“ITGWO2019”户外音乐节的视觉识别由设计工作室的弗兰克（Clever  franke）等人负责。设计师抓住户外音乐节气候环境和天气变化多端的特点，将温度、风向、降雨量等天气数据映射到形状、大小、色彩、角度等视觉要素中，自由构成整体画面。在了解了设计背后的概念模型后，受众便可通过实时生成的图形捕捉到天气的变化。更重要的是，它给受众提供了一种横跨自然现实与审美感知的联想，营造了独特的节日氛围。

朗涛（LANDOR）设计工作室为布鲁特（BRUTE）葡萄酒开发了创意软件以定制印刷品。基于品牌特有的背景——葡萄酒之乡汉堡具有无法预测、暴风雨频发的天气，美酒BRUTE正造就于此。于是对葡萄园天气进行实时粒子模拟，生成图形。粒子所受定向力、模拟风和重力的参数值都来源于物理现实，呈现了一种讲述品牌故事的新模式。

3.3 参与式路径——深化受众体验

参与式路径与可视化路径具有类似的框架和适用的概念模型，区别在于输入参数分别来自品牌方和用户方，本质都是在进行数据到视觉形式的可视化映射。

参与式路径下，设计师人为地或通过终端硬件设备等收集受众的个人数据作为参数导入，影响最终的视觉生成，并以某种形式反馈奖励给用户，如名卡、海报、明信片等物料或H5专属海报。在这个过程中，用户与品牌实现了交互，获得了独一无二的体验，品牌价值也得到了巩固。

在博洛尼亚城市形象标志设计征集比赛的最终获奖方案中，设计师以可用于城市的形容词为图形单位的转译原码，设计了一个图形—字母映射表，几何图形全部归因于对意大利历史的想象——来自意大利城市博洛尼亚大街小巷可见的各种象征性原型，如城墙、马赛克砖、百合花、十字架、城市旗帜等。人们可以通过网页、程序输入任意一个对博洛尼亚的印象词，词汇中字母映射的所有图形将同心透叠，生成一个整体图形。图形、图形来源的词与城市名称字体组合，形成多样的徽标。

在信息传播过程中，受众的参与形式包括行动上的参与和心灵上的参与。以引发心灵参与为目标，设计需要找寻与受众经验相似的内容[9]。上述博洛尼亚城市形象标志设计正是捕捉了市民的集体经验——对城市街头各种物象的记忆，使受众能够实现心灵的参与。

参与式路径能够为受众提供体验性价值和象征性价值，通过视觉识别生成的参与，受众找到了自我表达的空间，感受到了价值认同，并且通过个人特性视觉化的过程，受众之间也建立起交流的桥梁，这提高了受众参与度，强化了品牌心智，拓展了传播途径。

4 结语

在技术革新背景下，设计方法的转变提高了设计领域的门槛，生成艺术与设计意图产生了分割。在此背景下建立了清晰的设计流程与设计框架，引导设计师在概念构思下搭建技术模型和设计模型，建立有效的生成式设计系统。风格化、可视化、参与式三种路径的选择，为品牌视觉识别设计中的生成艺术明确了目的和方向，将生成系统解构成输入、规则、输出模块，列举可能的概念灵感来源和输入量的类型，以便确立语义逻辑，最终增强设计手段的有效性。生成艺术思维和方法在设计领域的应用仍有广阔空间，其在构建视觉逻辑的有效性及定性定量分析生成式设计系统的可控性、稳定性等方面有待深入研究。

参考文献：

[1] 程宇宁.品牌形象视觉识别设计风格论[J].装饰，2004（6）：11-12.

[2] 菲利普·加兰特.什么是生成艺术？复杂性理论作为艺术理论[C]//生成艺术学术研讨会论文集.米兰：阿列亚设计出版社，2003：216-236.

[3] 王娜娜，陈小林.生成式路径下数据驱动的视觉传达设计[J].包装工程，2021，42（22）：240-250.

[4] 博登 M A，埃德蒙兹 E A .什么是生成艺术？[J].数字创意，2009，20（1-2）：21-46.

[5] 王欣.基于Processing的计算机生成艺术应用研究[J].艺术与设计（理论），2019（Z1）：64-65.

[6] 陈楠.从“格律设计观”看“参数化设计”对视觉传达设计专业发展趋势的影响[J].创意与设计，2013（1）：61-72.

[7] 徐炯.“参数化主义”的时代成因与基本特征探究[J].南京艺术学院学报（美术与设计），2018（4）：21-24，209.

[8] 顾方舟，赵江洪，赵丹华.参数化设计与参数化风格的感知研究[J].装饰，2020（4）：16-20.

[9] 田钰佳，王海燕.如何唤起受众参与感[J].青年记者，2013（36）：53.

作者簡介：王芷薇（1997—），女，江苏盐城人，硕士在读，系本文通讯作者，研究方向：视觉传达设计。

吴祐昕（1973—），女，江苏无锡人，博士，教授，研究方向：信息交互与体验设计、品牌数字化创新、网络文化创意产业。