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
- DEsignBench: Exploring and Benchmarking DALL-E 3 for Imagining Visual
Design [124.56730013968543]
ビジュアルデザインシナリオに適したテキスト・ツー・イメージ(T2I)生成ベンチマークであるDesignBenchを紹介する。
DesignBenchベンチマークでは、画像テキストアライメント、視覚美学、デザインクリエイティビティの基準に対して、生成された画像に対する人間による評価を行う。
GPT-4Vを用いた最初の自動画像生成評価器を提案する。
論文 参考訳(メタデータ) (2023-10-23T17:48:38Z) - PosterLayout: A New Benchmark and Approach for Content-aware
Visual-Textual Presentation Layout [62.12447593298437]
コンテンツ対応視覚テキスト提示レイアウトは,所定のキャンバス上の空間空間を予め定義された要素にアレンジすることを目的としている。
本稿では,設計過程を模倣するためにレイアウトの要素を再編成する設計シーケンス形成(DSF)を提案する。
CNN-LSTMに基づく新しい条件生成対向ネットワーク(GAN)を提示し、適切なレイアウトを生成する。
論文 参考訳(メタデータ) (2023-03-28T12:48:36Z) - 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) - 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) - 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) - 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) - AI Assisted Apparel Design [2.20200533591633]
本稿では,アパレル・スタイル・マージとアパレル・スタイル・トランスファーという2つのデザイン生成アシスタントを提案する。
Apparel-Style-Mergeは、アパレルの高レベルのコンポーネントを組み合わせることで、新しいデザインを生成する。
Apparel-Style-Transferは、異なるスタイル、色、パターンを適用することで、アパレルの複数のカスタマイズを生成する。
論文 参考訳(メタデータ) (2020-07-09T17:24:40Z)
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。