然而，与下面人类手工设计的LOGO比起来，上面AI设计的效果不能说不好看，但似乎还差那么点意思：
人类设计师会在保留原本字体特色、让人们能一眼认出单词的基础上，再加入一点创新之处，例如将Jazz中的J改成乐器，但其他人一眼仍然能认出“JAZZ”字体的形状。
例如这是Stable Diffusion生成的“FROG”设计，FRO仍然是原本字体的形状，只有G变成一只跳出去的小青蛙：
如果用Stable Diffusion 2进一步进行后期处理的话，还能进一步实现上色功能，显得更加生动：
为了一定程度上保留原本字体的风格、以及只改变单词中的某几个字母，作者们想出一种“微调”字母形状的方法——
具体控制点数量，则根据字母复杂度和字体风格进行迭代变换，直到设计出来的字母符合要求，其中橙色是初始点，蓝色是后续增加的控制点：
例如这是不同数量的控制点生成字母的效果，如果数量太少，会看不清设计的图像形状；但数量过多又容易扭曲字体原本的形状：
基于这种核心设计思路，作者们结合Stable Diffusion和CLIP，设计出了一整个字体设计AI模型：
其中，ACAP（as conformal as possible）损失函数基于德劳内三角形剖分算法，对字母形状进一步进行了约束。
例如这是PANTS（裤子）在变形前和变形之后的形态，可以看见ACAP在保留裤子形态的同时，也保留了字体的效果：
与此同时，为了进一步保留字体形态，作者们采用了一个低通滤波器，保证调整后的字母不与原始字母偏离太多。例如这是Bear（熊）中的B调整后的形态：
不过在arXiv上，作者们的名字倒是已经公开了，他们分别来自以色列特拉维夫大学、Reichman University（莱希曼大学），以及伦敦大学金史密斯学院：
共同一作Shir Iluz，特拉维夫大学电子与电气工程理学硕士，目前的研究方向是生成AI，感兴趣的方向是深度学习与计算机视觉。
共同一作Yael Vinker，特拉维夫大学计算机视觉博士生，曾经在以色列希伯来大学获得计算机科学本科与硕士学位，目前研究方向同样是深度学习与计算机视觉。