論文の概要: Spacewalker: Rapid UI Design Exploration Using Lightweight Markup
Enhancement and Crowd Genetic Programming
- arxiv url: http://arxiv.org/abs/2102.09039v1
- Date: Wed, 17 Feb 2021 21:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-19 14:15:46.545541
- Title: Spacewalker: Rapid UI Design Exploration Using Lightweight Markup
Enhancement and Crowd Genetic Programming
- Title(参考訳): Spacewalker:軽量マークアップ拡張と集団遺伝的プログラミングによるUI設計の迅速な探索
- Authors: Mingyuan Zhong, Gang Li, Yang Li
- Abstract要約: 今回紹介するSpacewalkerは、デザイナーが最適なWeb UIのために大きなデザインスペースを素早く検索できるツールです。
デザイナーはまず、私たちが設計したシンプルなマークアップ拡張を使用して、典型的なHTMLページで探索したい属性をアノテートします。
Spacewalkerはアノテーション付きHTML仕様を解析し、Web UIのさまざまな構成をインテリジェントに生成し、評価のためにクラウドワーカーに配布する。
- 参考スコア(独自算出の注目度): 7.872888246498886
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User interface design is a complex task that involves designers examining a
wide range of options. We present Spacewalker, a tool that allows designers to
rapidly search a large design space for an optimal web UI with integrated
support. Designers first annotate each attribute they want to explore in a
typical HTML page, using a simple markup extension we designed. Spacewalker
then parses the annotated HTML specification, and intelligently generates and
distributes various configurations of the web UI to crowd workers for
evaluation. We enhanced a genetic algorithm to accommodate crowd worker
responses from pairwise comparison of UI designs, which is crucial for
obtaining reliable feedback. Based on our experiments, Spacewalker allows
designers to effectively search a large design space of a UI, using the
language they are familiar with, and improve their design rapidly at a minimal
cost.
- Abstract(参考訳): ユーザーインターフェース設計は、幅広いオプションを検討するデザイナーが関与する複雑なタスクです。
統合サポートを備えた最適なWeb UIのために、設計者が大きなデザインスペースを迅速に検索できるツールであるSpacewalkerを紹介します。
デザイナーはまず、私たちが設計したシンプルなマークアップ拡張を使用して、典型的なHTMLページで探索したい属性をアノテートします。
Spacewalkerはアノテーション付きHTML仕様を解析し、Web UIのさまざまな構成をインテリジェントに生成し、評価のためにクラウドワーカーに配布する。
信頼性の高いフィードバックを得るためには,ui設計をペアで比較することで,群集労働者の反応に対応する遺伝的アルゴリズムを強化した。
私たちの実験に基づいて、spacewalkerはデザイナーが慣れ親しんだ言語を使って、uiの大きなデザインスペースを効果的に検索し、最小限のコストで設計を迅速に改善できます。
関連論文リスト
- GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
コンテンツ対応のテキストロゴレイアウトを生成するVLMベースのフレームワークを提案する。
本稿では,複数のグリフ画像の同時処理における計算量を削減するための2つのモデル手法を提案する。
アウトモデルのインストラクションチューニングを支援するために,既存の公開データセットよりも5倍大きい2つの拡張テキストロゴデータセットを構築した。
論文 参考訳(メタデータ) (2024-11-18T10:04:10Z) - Sketch2Code: Evaluating Vision-Language Models for Interactive Web Design Prototyping [55.98643055756135]
初歩的なスケッチのWebページプロトタイプへの変換を自動化する上で,最先端のビジョン言語モデル(VLM)を評価するベンチマークであるSketch2Codeを紹介した。
我々は、既存のVLMではSketch2Codeが困難であることを示す10の商用およびオープンソースモデルを分析した。
UI/UXの専門家によるユーザ調査では、受動的フィードバックの受信よりも、積極的に質問を行うのがかなり好まれている。
論文 参考訳(メタデータ) (2024-10-21T17:39:49Z) - Design Spaces and How Software Designers Use Them: a sampler [2.2674718030662713]
「設計空間」は、利用可能な設計代替品のスペクトルを記述するために用いられる。
デザインスペースがデザイナーにレンズとして機能し、全体の可能性の空間を縮める方法を示します。
論文 参考訳(メタデータ) (2024-07-26T04:19:28Z) - I-Design: Personalized LLM Interior Designer [57.00412237555167]
I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。
I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。
最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
論文 参考訳(メタデータ) (2024-04-03T16:17:53Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - PromptInfuser: How Tightly Coupling AI and UI Design Impacts Designers'
Workflows [23.386764579779538]
設計者のAIイテレーションに,プロンプトとUIデザインの結合がどう影響するかを検討する。
本研究では,ユーザがモックアップを作成できるFigmaプラグインであるPromptInfuserを開発した。
14人のデザイナによる調査では、PromptInfuserとデザイナの現在のAIプロトタイピングワークフローを比較します。
論文 参考訳(メタデータ) (2023-10-24T01:04:27Z) - Architext: Language-Driven Generative Architecture Design [1.393683063795544]
Architextは、大規模な言語モデルに入力として与えられる自然言語プロンプトのみを持つ設計生成を可能にする。
我々は,多くの事前学習言語モデルに対する意味的精度と多様性に着目し,Architextのダウンストリームタスク性能を徹底的に定量的に評価する。
Architextモデルは、特定の設計タスクを学習し、有効な住宅レイアウトを100%近い速度で生成することができる。
論文 参考訳(メタデータ) (2023-03-13T23:11:05Z) - Preference-Learning Emitters for Mixed-Initiative Quality-Diversity
Algorithms [0.6445605125467573]
混合開始型共同創造タスクでは、デザイナーに複数の関連する提案を提供することが重要である。
本研究では,嗜好学習エミッタ(PLE)の一般的なフレームワークを提案し,それをゲーム『スペースエンジニアズ』のプロシージャコンテンツ生成タスクに適用する。
論文 参考訳(メタデータ) (2022-10-25T08:45:00Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳(メタデータ) (2022-04-15T20:40:43Z) - VINS: Visual Search for Mobile User Interface Design [66.28088601689069]
本稿では、UIイメージを入力として、視覚的に類似したデザイン例を検索するビジュアル検索フレームワークVINSを紹介する。
このフレームワークは、平均平均精度76.39%のUI検出を実現し、類似したUI設計をクエリする際の高いパフォーマンスを実現している。
論文 参考訳(メタデータ) (2021-02-10T01:46:33Z) - Scout: Rapid Exploration of Interface Layout Alternatives through
High-Level Design Constraints [19.91735675022113]
Scoutは、ハイレベルな制約とデザインフィードバックとの混合開始的相互作用を通じて、デザイナが代替品を探索するのを支援する。
Scoutは、解決者が潜在的なレイアウトを生成するために使用する低レベルの空間的制約を形式化する。
インターフェースデザイナ18名による評価では,(1) 設計者が,ベースラインツールと同じような品質で,より空間的に多様なレイアウトを作成するのを支援すること,(2) 設計者が線形設計プロセスを避けて,自分たちが考えていないようなレイアウトを素早く考え出すのに役立つこと,などが判明した。
論文 参考訳(メタデータ) (2020-01-15T16:49:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。