个人开发者或小团队开发软件时常常会出于成本考虑而使用互联网的免费资源,而这些资源的版权情况大多是不明确的。这些免费资源对于小成本软件的早期发展起到了促进作用。但当这些软件形成一定规模后开发者就有可能会面对版权纠纷,要付出巨大的检查成本。为了更好的解决这些问题,一种合理的思路是使用基于神经网络的图标生成方法,由于一个神经网络可以生成很多图片,这样就节约了调查验证大量图片的版权情况所带来的成本。当前现存有多种不同的关于此的技术路线,比如使用风格迁移算法来处理用户输入的图片得到新图片,或者使用对抗生成网络来通过随机种子得到生成图像。这些方法在生成较高像素的图片时稳定性都会快速下降。针对图标资源的多模态性和独有的形态特征,本文提出了一种可微矢量拟合算法,这种方法通过将图形表示为图元的组合使得神经网络可以比较好的处理矢量图形,而矢量图形在实际开发中相对于位图有更广的应用场景。为了提高神经网络的稳定性,该算法还使用了基于自编码器聚类的对抗生成网络。实验分析表明,相对于基于对抗生成网络生成位图的方式,本方案降低了生成时的运算复杂度,同时绕开了对抗生成网络在生成高分辨率图像时会产生的训练不稳定、难以收敛的问题。基于提出的矢量拟合图标生成算法,本文设计并实现了一个矢量图标辅助创作系统。该系统可以根据用户输入的类别信息和自身随机生成的种子进行图标资源的产出,通过在潜空间中进行游走并持续不断地获得神经网络产出的图标反馈,从而为用户提供自定义风格的多种图标。