論文の概要: The Layout Generation Algorithm of Graphic Design Based on
Transformer-CVAE
- arxiv url: http://arxiv.org/abs/2110.06794v1
- Date: Fri, 8 Oct 2021 13:36:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-17 11:28:22.120281
- Title: The Layout Generation Algorithm of Graphic Design Based on
Transformer-CVAE
- Title(参考訳): Transformer-CVAEに基づくグラフィックデザインのレイアウト生成アルゴリズム
- Authors: Mengxi Guo and Dangqing Huang and Xiaodong Xie
- Abstract要約: 本稿では,トランスフォーマーモデルと条件変分オートエンコーダ(CVAE)をグラフィックデザインレイアウト生成タスクに実装した。
これはLayoutT-CVAEと呼ばれるエンドツーエンドのグラフィックデザインレイアウト生成モデルを提案した。
既存の最先端モデルと比較して、当社が生成したレイアウトは、多くのメトリクスでより良く機能します。
- 参考スコア(独自算出の注目度): 8.052709336750823
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Graphic design is ubiquitous in people's daily lives. For graphic design, the
most time-consuming task is laying out various components in the interface.
Repetitive manual layout design will waste a lot of time for professional
graphic designers. Existing templates are usually rudimentary and not suitable
for most designs, reducing efficiency and limiting creativity. This paper
implemented the Transformer model and conditional variational autoencoder
(CVAE) to the graphic design layout generation task. It proposed an end-to-end
graphic design layout generation model named LayoutT-CVAE. We also proposed
element disentanglement and feature-based disentanglement strategies and
introduce new graphic design principles and similarity metrics into the model,
which significantly increased the controllability and interpretability of the
deep model. Compared with the existing state-of-art models, the layout
generated by ours performs better on many metrics.
- Abstract(参考訳): グラフィックデザインは人々の日常生活に広く浸透している。
グラフィックデザインでは、最も時間を要するタスクはインターフェイスに様々なコンポーネントを配置することである。
反復的な手動レイアウト設計は、プロのグラフィックデザイナーにとって多くの時間を浪費するだろう。
既存のテンプレートは通常、基本的なものであり、ほとんどの設計には適していない。
本稿では,トランスフォーマーモデルと条件変分オートエンコーダ(CVAE)をグラフィックデザインレイアウト生成タスクに実装した。
これはLayoutT-CVAEと呼ばれるエンドツーエンドのグラフィックデザインレイアウト生成モデルを提案した。
また,要素の絡み合いと特徴に基づく絡み合い方略を提案し,新しいグラフィックデザインの原理と類似性指標をモデルに導入することで,深層モデルの制御性と解釈性を大幅に向上させた。
既存の最先端モデルと比較して、私たちの生成したレイアウトは多くのメトリクスでより良く機能します。
関連論文リスト
- Towards Aligned Layout Generation via Diffusion Model with Aesthetic
Constraints [51.48125123822496]
広い範囲のレイアウト生成タスクを処理する統一モデルを提案する。
このモデルは連続拡散モデルに基づいている。
実験結果から,LACEは高品質なレイアウトを生成することがわかった。
論文 参考訳(メタデータ) (2024-02-07T11:12:41Z) - 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) - Latent Diffusion Models for Structural Component Design [11.342098118480802]
本稿では,構造部品の生成設計のための枠組みを提案する。
我々は、問題固有の負荷条件のセットを満たすことができるコンポーネントの潜在的な設計を生成するために、遅延拡散モデルを用いる。
論文 参考訳(メタデータ) (2023-09-20T19:28:45Z) - Enhancing Visually-Rich Document Understanding via Layout Structure
Modeling [91.07963806829237]
レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。
我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
論文 参考訳(メタデータ) (2023-08-15T13:53:52Z) - PPI-NET: End-to-End Parametric Primitive Inference [24.31083483088741]
工学の応用では、線、円、弧、点を総称してプリミティブと呼ぶ。
本稿では,手書きスケッチ画像からパラメトリックプリミティブを推定するための,効率的かつ高精度なエンドツーエンド手法を提案する。
論文 参考訳(メタデータ) (2023-08-03T03:50:49Z) - LayoutDiffusion: Improving Graphic Layout Generation by Discrete
Diffusion Probabilistic Models [50.73105631853759]
レイアウト自動生成のための新しい生成モデルLayoutDiffusionを提案する。
このプロセスでは,前方ステップの成長に伴うレイアウトの混乱が増している。
これにより、プラグアンドプレイ方式で2つの条件付きレイアウト生成タスクを再トレーニングすることなく実現し、既存の方法よりも優れたパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-03-21T04:41:02Z) - PLay: Parametrically Conditioned Layout Generation using Latent
Diffusion [18.130461065261354]
本研究では,ベクトル図形空間におけるパラメトリック条件付きレイアウトを生成する条件付き潜時拡散モデルPLayを構築した。
提案手法は,FIDやFD-VGを含む3つのデータセットにおいて,従来よりも優れた性能を示す。
論文 参考訳(メタデータ) (2023-01-27T04:22:27Z) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [81.5482196644596]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - Efficient Automatic Machine Learning via Design Graphs [72.85976749396745]
最適なモデル設計を探索する効率的なサンプルベース手法であるFALCONを提案する。
FALCONは,1)グラフニューラルネットワーク(GNN)を介してデザイングラフ上でメッセージパッシングを行うタスク非依存モジュール,2)既知のモデル性能情報のラベル伝搬を行うタスク固有モジュールを特徴とする。
FALCONは,30個の探索ノードのみを用いて,各タスクに対して良好な性能を持つ設計を効率的に得ることを実証的に示す。
論文 参考訳(メタデータ) (2022-10-21T21:25:59Z) - Constrained Graphic Layout Generation via Latent Optimization [17.05026043385661]
ユーザによって暗黙的に、あるいは明示的に、デザインセマンティクスを柔軟に組み込むことができるグラフィックレイアウトを生成します。
提案手法はトランスフォーマーアーキテクチャに基づく生成的レイアウトモデルに基づいており,レイアウト生成を制約付き最適化問題として定式化している。
実験では,1つのモデルを用いて,制約付きタスクと制約なしタスクの両方において,現実的なレイアウトを生成することができることを示す。
論文 参考訳(メタデータ) (2021-08-02T13:04:11Z)
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。