Fugu-MT 論文翻訳(概要): OpenCOLE: Towards Reproducible Automatic Graphic Design Generation

論文の概要: OpenCOLE: Towards Reproducible Automatic Graphic Design Generation

arxiv url: http://arxiv.org/abs/2406.08232v1
Date: Wed, 12 Jun 2024 14:00:07 GMT
ステータス: 処理完了
システム内更新日: 2024-06-13 16:36:08.327477
Title: OpenCOLE: Towards Reproducible Automatic Graphic Design Generation
Title（参考訳）: OpenCOLE: 再現可能なグラフィカルデザイン生成を目指して
Authors: Naoto Inoue, Kento Masui, Wataru Shimoda, Kota Yamaguchi,
Abstract要約: 我々はOpenCOLEと呼ばれる自動グラフィック設計のためのオープンなフレームワークを提案する。先駆的なCOLEの修正版を構築し、公開データセットにのみモデルをトレーニングします。 GPT4Vの評価に基づいて,本モデルでは元のCOLEに匹敵する有望な性能を示す。
参考スコア（独自算出の注目度）: 10.79960007119637
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automatic generation of graphic designs has recently received considerable attention. However, the state-of-the-art approaches are complex and rely on proprietary datasets, which creates reproducibility barriers. In this paper, we propose an open framework for automatic graphic design called OpenCOLE, where we build a modified version of the pioneering COLE and train our model exclusively on publicly available datasets. Based on GPT4V evaluations, our model shows promising performance comparable to the original COLE. We release the pipeline and training results to encourage open development.
Abstract（参考訳）: 近年,グラフィックデザインの自動生成が注目されている。しかし、最先端のアプローチは複雑で、プロプライエタリなデータセットに依存しており、再現性障壁を生み出している。本稿では、OpenCOLEと呼ばれる自動グラフィックデザインのためのオープンフレームワークを提案し、先駆的なCOLEの修正版を構築し、公開データセットにのみモデルをトレーニングする。 GPT4Vの評価に基づいて,本モデルでは元のCOLEに匹敵する有望な性能を示す。パイプラインをリリースし、その結果をトレーニングして、オープンな開発を奨励します。

関連論文リスト

Design of an Open-Source Architecture for Neural Machine Translation [2.648836772989769]
adaptNMTは、Transformerモデルの開発とデプロイに対する合理化されたアプローチを提供するオープンソースアプリケーションである。このアプリケーションは広く採用されているOpenNMTエコシステム上に構築されている。
論文参考訳（メタデータ） (2024-03-06T09:57:52Z)
GraphRCG: Self-Conditioned Graph Generation [78.69810678803248]
本稿では,グラフ分布を明示的にモデル化する自己条件付きグラフ生成フレームワークを提案する。本フレームワークは, 既存のグラフ生成手法に比べて, 学習データに対するグラフ品質と忠実度において優れた性能を示す。
論文参考訳（メタデータ） (2024-03-02T02:28:20Z)
GraphMETRO: Mitigating Complex Graph Distribution Shifts via Mixture of Aligned Experts [81.0171665357916]
GraphMETROは、自然多様性を確実にモデル化し、複雑な分散シフトをキャプチャするグラフニューラルネットワークアーキテクチャである。 GOODベンチマークの4つのデータセットの最先端結果には、複雑な実世界の分散シフトと、WebKBおよびTwitchデータセットの67%と4.2%の改善が含まれている。
論文参考訳（メタデータ） (2023-12-07T20:56:07Z)
Verilog-to-PyG -- A Framework for Graph Learning and Augmentation on RTL Designs [15.67829950106923]
本稿では,RTL設計をグラフ表現基盤に変換する,革新的なオープンソースフレームワークを提案する。 Verilog-to-PyG(V2PYG)フレームワークは、オープンソースのElectronic Design Automation(EDA)ツールチェーンOpenROADと互換性がある。本稿では, グラフベースのRTL設計データベースの構築のために, 機能的等価設計拡張を可能にする新しいRTLデータ拡張手法を提案する。
論文参考訳（メタデータ） (2023-11-09T20:11:40Z)
GiGaMAE: Generalizable Graph Masked Autoencoder via Collaborative Latent Space Reconstruction [76.35904458027694]
マスク付きオートエンコーダモデルは、グラフデータに対する優れた一般化能力に欠ける。本稿では,GiGaMAEと呼ばれる新しいグラフマスマスキングオートエンコーダフレームワークを提案する。私たちの結果は、グラフ構造化データに基づく基礎モデルの設計に光を当てます。
論文参考訳（メタデータ） (2023-08-18T16:30:51Z)
LUKE-Graph: A Transformer-based Approach with Gated Relational Graph Attention for Cloze-style Reading Comprehension [13.173307471333619]
本稿では,文書内のエンティティ間の直感的な関係に基づく異種グラフ構築モデルLUKE-Graphを提案する。次に、アテンション読み込み(RGAT)を用いて、事前学習したLUKEモデルによって符号化されたグラフの推論情報と文脈表現を融合する。実験結果から,LUKE-Graphはコモンセンス推論による最先端性能を実現することが示された。
論文参考訳（メタデータ） (2023-03-12T14:31:44Z)
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)
Distilling Knowledge from Self-Supervised Teacher by Embedding Graph Alignment [52.704331909850026]
我々は、自己指導型事前学習モデルから他の学生ネットワークへ知識を伝達するための新しい知識蒸留フレームワークを定式化した。自己教師型学習におけるインスタンス識別の精神に触発され,特徴埋め込み空間におけるグラフ定式化によるインスタンスとインスタンスの関係をモデル化する。蒸留方式は, 学生ネットワーク上での表現学習を促進するために, 自己指導型知識の伝達に柔軟に適用できる。
論文参考訳（メタデータ） (2022-11-23T19:27:48Z)
The Layout Generation Algorithm of Graphic Design Based on Transformer-CVAE [8.052709336750823]
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。
論文参考訳（メタデータ） (2021-10-08T13:36:02Z)
Heuristic Semi-Supervised Learning for Graph Generation Inspired by Electoral College [80.67842220664231]
本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
論文参考訳（メタデータ） (2020-06-10T14:48:48Z)

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。