論文の概要: Infographics Wizard: Flexible Infographics Authoring and Design Exploration

• arxiv url: http://arxiv.org/abs/2204.09904v1
• Date: Thu, 21 Apr 2022 06:26:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-22 22:38:43.508568
• Title: Infographics Wizard: Flexible Infographics Authoring and Design Exploration
• Title（参考訳）: Infographics Wizard: フレキシブルなインフォグラフィックのオーサリングと設計
• Authors: Anjul Tyagi, Jian Zhao, Pushkar Patel, Swasti Khurana, Klaus Mueller
• Abstract要約: インフォグラフィック(英: Infographics)は、人間の知覚の特定の設計原則に従って情報を表現する美的な視覚表現である。 汎用構造およびフローベースインフォグラフィック設計生成のための半自動インフォグラフィックフレームワークを提案する。 初期設計者に対しては,設計入力を必要とせずに,ユーザが提供するテキストのインフォグラフィックデザインを自動的に作成・ランク付けする。 この作業では、個別の視覚グループ(VG)設計データセット(SVG)と、セグメント化されたVGを備えた1kの完全なインフォグラフィックイメージデータセットもコントリビュートする。
• 参考スコア（独自算出の注目度）: 48.93421725740813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Infographics are an aesthetic visual representation of information following specific design principles of human perception. Designing infographics can be a tedious process for non-experts and time-consuming, even for professional designers. With the help of designers, we propose a semi-automated infographic framework for general structured and flow-based infographic design generation. For novice designers, our framework automatically creates and ranks infographic designs for a user-provided text with no requirement for design input. However, expert designers can still provide custom design inputs to customize the infographics. We will also contribute an individual visual group (VG) designs dataset (in SVG), along with a 1k complete infographic image dataset with segmented VGs in this work. Evaluation results confirm that by using our framework, designers from all expertise levels can generate generic infographic designs faster than existing methods while maintaining the same quality as hand-designed infographics templates.
• Abstract（参考訳）: インフォグラフィックは、人間の知覚の特定のデザイン原則に従う情報の視覚的な表現である。 インフォグラフィックの設計は、プロのデザイナーでさえも、非専門家や時間消費にとって退屈なプロセスである。 設計者の助けを借りて,汎用構造およびフローベースインフォグラフィック設計生成のための半自動インフォグラフィックフレームワークを提案する。 初期設計者に対しては,設計入力を必要とせずに,ユーザが提供するテキストのインフォグラフィックデザインを自動的に作成・ランク付けする。 しかし、エキスパートデザイナーはインフォグラフィックをカスタマイズするためにカスタムデザインインプットを提供することができる。 この作業では、個別のビジュアルグループ(VG)デザインデータセット(SVG)と、セグメント化されたVGを備えた1kの完全なインフォグラフィックイメージデータセットも提供します。 評価の結果,すべての専門知識レベルの設計者が,手作りのインフォグラフィックテンプレートと同じ品質を維持しつつ,既存の手法よりも早く汎用インフォグラフィックデザインを生成できることが確認された。

関連論文リスト

• TextLap: Customizing Language Models for Text-to-Layout Planning [65.02105936609021]
  メソッドをTextLap(テキストベースのレイアウト計画)と呼びます。 キュレートされた命令ベースのレイアウト計画データセット(InsLap)を使用して、グラフィックデザイナとしてLarge Language Model(LLM)をカスタマイズする。 我々はTextLapの有効性を実証し、画像生成やグラフィカルデザインベンチマークのためのGPT-4ベースの手法を含む強力なベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-09T19:51:38Z)
• Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models [81.6240188672294]
  グラフィックデザインでは、プロでないユーザは、限られたスキルとリソースのために視覚的に魅力的なレイアウトを作成するのに苦労することが多い。 レイアウト計画のための新しいマルチモーダル・インストラクション・フォロー・フレームワークを導入し、視覚的要素をカスタマイズしたレイアウトに簡単に配置できるようにする。 本手法は,非専門職の設計プロセスを単純化するだけでなく,数ショット GPT-4V モデルの性能を上回り,mIoU は Crello で 12% 向上する。
  論文  参考訳（メタデータ） (2024-04-23T17:58:33Z)
• Graphic Design with Large Multimodal Model [38.96206668552293]
  Hierarchical Layout Generation (HLG) はより柔軟で実用的な設定であり、未順序の設計要素の集合からグラフィック合成を生成する。 HLGタスクに取り組むために,大規模なマルチモーダルモデルに基づく最初のレイアウト生成モデルであるGraphistを導入する。 グラフは、RGB-A画像を入力として利用して、HLGをシーケンス生成問題として効率的に再構成する。
  論文  参考訳（メタデータ） (2024-04-22T17:20:38Z)
• 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)
• LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
  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)
• Material Prediction for Design Automation Using Graph Representation Learning [5.181429907321226]
  本稿では,集合体の物質予測を支援するグラフ表現学習フレームワークを提案する。 CADモデルの集合グラフ表現上でのノードレベルの予測タスクとして材料選択タスクを定式化し、グラフニューラルネットワーク(GNN)を用いてそれに取り組む。 提案するフレームワークは,大規模データセットにスケールアップし,デザイナの知識を学習プロセスに組み込む。
  論文  参考訳（メタデータ） (2022-09-26T15:49:35Z)
• Composition-aware Graphic Layout GAN for Visual-textual Presentation Designs [24.29890251913182]
  与えられた画像に対して高品質な視覚テキスト提示設計を行う際のグラフィックレイアウト生成問題について検討する。 入力画像のグローバルおよび空間的視覚的内容に基づいてレイアウトを合成するために,合成対応グラフィックレイアウトGAN (CGL-GAN) と呼ばれる深層生成モデルを提案する。
  論文  参考訳（メタデータ） (2022-04-30T16:42:13Z)
• User-Centric Semi-Automated Infographics Authoring and Recommendation [34.60535888532958]
  本稿では,自動および半自動インフォグラフィック設計のためのフレキシブルなフレームワークを提案する。 また、初心者デザイナーが高品質なインフォグラフィックを作成するのを支援するインタラクティブツール、名前も提案する。 同様のツールとの比較,初心者やエキスパートデザイナーによるユーザスタディ,ケーススタディなどにより,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-08-26T17:09:59Z)
• Learning Aesthetic Layouts via Visual Guidance [7.992550355579791]
  視覚的指導のための計算手法を探求し, 楽観的アートとグラフィックデザインの創出を支援する。 私たちは、アートの傑作のデータセットを収集し、最先端のビジョンモデルで視覚的な修正をラベル付けしました。 美術品の視覚的指導テンプレートを教師なしの学習でクラスタ化した。 視覚的指導の原理を高次元モデルに学習・統合し,図形要素の特徴に照らし合わせることができることを示す。
  論文  参考訳（メタデータ） (2021-07-13T17:46:42Z)

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。