論文の概要: Can GPTs Evaluate Graphic Design Based on Design Principles?

• arxiv url: http://arxiv.org/abs/2410.08885v1
• Date: Fri, 11 Oct 2024 15:01:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 21:26:05.845407
• Title: Can GPTs Evaluate Graphic Design Based on Design Principles?
• Title（参考訳）: GPTは設計原理に基づいて図形設計を評価することができるか?
• Authors: Daichi Haraguchi, Naoto Inoue, Wataru Shimoda, Hayato Mitani, Seiichi Uchida, Kota Yamaguchi,
• Abstract要約: 我々は,60名の被験者から収集した人間のアノテーションを用いて,GPTに基づく評価と設計原則に基づく評価の挙動を比較した。 実験の結果,GPTは人間のアノテーションと合理的に相関し,設計原理に基づく指標に類似した傾向を示すことがわかった。
• 参考スコア（独自算出の注目度）: 14.904165023640854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in foundation models show promising capability in graphic design generation. Several studies have started employing Large Multimodal Models (LMMs) to evaluate graphic designs, assuming that LMMs can properly assess their quality, but it is unclear if the evaluation is reliable. One way to evaluate the quality of graphic design is to assess whether the design adheres to fundamental graphic design principles, which are the designer's common practice. In this paper, we compare the behavior of GPT-based evaluation and heuristic evaluation based on design principles using human annotations collected from 60 subjects. Our experiments reveal that, while GPTs cannot distinguish small details, they have a reasonably good correlation with human annotation and exhibit a similar tendency to heuristic metrics based on design principles, suggesting that they are indeed capable of assessing the quality of graphic design. Our dataset is available at https://cyberagentailab.github.io/Graphic-design-evaluation .
• Abstract（参考訳）: 基礎モデルの最近の進歩は、グラフィックデザイン生成において有望な能力を示している。 図形設計の評価にLMM(Large Multimodal Models)を用いた研究がいくつか行われており、LMMが品質を適切に評価できると仮定しているが、その評価が信頼できるかどうかは定かではない。 グラフィックデザインの品質を評価する一つの方法は、デザインが設計者の一般的な実践である基本的なグラフィックデザイン原則に準拠しているかどうかを評価することである。 本稿では,60名の被験者から収集した注釈を用いた設計原則に基づくGPTに基づく評価とヒューリスティック評価の挙動を比較した。 我々の実験では、GPTは細部を区別することはできないが、人間のアノテーションと合理的に良い相関関係を持ち、設計原理に基づくヒューリスティックな指標に類似した傾向を示し、グラフィックデザインの品質を評価することができることを示唆している。 私たちのデータセットはhttps://cyberagentailab.github.io/Graphic-design-evaluationで公開されています。

関連論文リスト

• Design-o-meter: Towards Evaluating and Refining Graphic Designs [11.416650723712968]
  本稿では,グラフィックデザインの良さを定量化するデータ駆動手法であるDesign-o-meterを紹介する。 私たちの知る限りでは、Design-o-meterは統一されたフレームワークで設計をスコア付けし洗練する最初のアプローチです。
  論文  参考訳（メタデータ） (2024-11-22T14:17:46Z)
• What makes a good BIM design: quantitative linking between design behavior and quality [0.6088110776359856]
  本研究は,デザイン行動と品質の関係を初めて同定し,定量的に記述する新しいアプローチを提案する。 リアルタイム収集とログマイニングが統合され、設計行動の生データを収集する。 結果は、様々なモデルで学習できる既存の量的関係を確認した。
  論文  参考訳（メタデータ） (2024-11-14T14:37:15Z)
• Q-Align: Teaching LMMs for Visual Scoring via Discrete Text-Defined Levels [95.44077384918725]
  スコアの代わりにテキスト定義のレーティングレベルを持つ大規模マルチモーダリティモデル(LMM)を提案する。 提案したQ-Alignは、画像品質評価(IQA)、画像美学評価(IAA)、映像品質評価(VQA)タスクにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-12-28T16:10:25Z)
• CritiqueLLM: Towards an Informative Critique Generation Model for Evaluation of Large Language Model Generation [87.44350003888646]
  Eval-Instructは、疑似参照でポイントワイズした批評を取得し、マルチパスプロンプトを通じてこれらの批評を修正できる。 CritiqueLLMは、ChatGPTとすべてのオープンソースベースラインを上回るように実証的に示されています。
  論文  参考訳（メタデータ） (2023-11-30T16:52:42Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• 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)
• Infographics Wizard: Flexible Infographics Authoring and Design Exploration [48.93421725740813]
  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。
  論文  参考訳（メタデータ） (2022-04-21T06:26:06Z)
• 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)
• Automatic Assessment of the Design Quality of Python Programs with Personalized Feedback [0.0]
  本稿では,プログラムの設計を評価するニューラルネットワークモデルを提案し,修正の仕方を学生に教えるためにパーソナライズされたフィードバックを提供する。 モデルの有効性はPythonで書かれた学生プログラムのコーパスで評価される。 この研究に参加した学生はプログラムのデザインスコアを19.58%改善した。
  論文  参考訳（メタデータ） (2021-06-02T18:04:53Z)
• Models, Pixels, and Rewards: Evaluating Design Trade-offs in Visual Model-Based Reinforcement Learning [109.74041512359476]
  視覚的MBRLアルゴリズムにおける予測モデルの設計決定について検討する。 潜在空間の使用など、しばしば重要と見なされる設計上の決定は、タスクのパフォーマンスにはほとんど影響しないことが分かりました。 我々は,この現象が探索とどのように関係しているか,および標準ベンチマークにおける下位スコーリングモデルのいくつかが,同じトレーニングデータでトレーニングされた場合のベストパフォーマンスモデルと同等の性能を発揮するかを示す。
  論文  参考訳（メタデータ） (2020-12-08T18:03:21Z)

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。