論文の概要: From Fragment to One Piece: A Survey on AI-Driven Graphic Design

• arxiv url: http://arxiv.org/abs/2503.18641v1
• Date: Mon, 24 Mar 2025 13:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:30:55.214577
• Title: From Fragment to One Piece: A Survey on AI-Driven Graphic Design
• Title（参考訳）: FragmentからOne Piece: AI駆動型グラフィックデザインに関する調査
• Authors: Xingxing Zou, Wen Zhang, Nanxuan Zhao,
• Abstract要約: この調査では、視覚要素の知覚と生成、美的および意味的理解、レイアウト分析、生成など、さまざまなサブタスクをカバーしている。 著しい進歩にもかかわらず、人間の意図を理解し、解釈可能性を確保し、多層構成の制御を維持することが課題である。
• 参考スコア（独自算出の注目度）: 19.042522345775193
• License:
• Abstract: This survey provides a comprehensive overview of the advancements in Artificial Intelligence in Graphic Design (AIGD), focusing on integrating AI techniques to support design interpretation and enhance the creative process. We categorize the field into two primary directions: perception tasks, which involve understanding and analyzing design elements, and generation tasks, which focus on creating new design elements and layouts. The survey covers various subtasks, including visual element perception and generation, aesthetic and semantic understanding, layout analysis, and generation. We highlight the role of large language models and multimodal approaches in bridging the gap between localized visual features and global design intent. Despite significant progress, challenges remain to understanding human intent, ensuring interpretability, and maintaining control over multilayered compositions. This survey serves as a guide for researchers, providing information on the current state of AIGD and potential future directions\footnote{https://github.com/zhangtianer521/excellent\_Intelligent\_graphic\_design}.
• Abstract（参考訳）: この調査は、AIGD(Artificial Intelligence in Graphic Design)の進歩に関する包括的概要を提供する。 本稿では,デザイン要素の理解と分析を含む知覚タスクと,新しいデザイン要素やレイアウトの作成に焦点を当てた生成タスクの2つに分類する。 この調査では、視覚要素の知覚と生成、美的および意味的理解、レイアウト分析、生成など、さまざまなサブタスクをカバーしている。 我々は,局所的な視覚的特徴とグローバルなデザイン意図のギャップを埋める上で,大規模言語モデルとマルチモーダルアプローチの役割を強調した。 著しい進歩にもかかわらず、人間の意図を理解し、解釈可能性を確保し、多層構成の制御を維持することが課題である。 この調査は研究者のガイドとして機能し、AIGDの現在の状況と将来の方向性に関する情報を提供する。

関連論文リスト

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
  本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。 本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。 我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
  論文  参考訳（メタデータ） (2024-08-22T04:49:50Z)
• Inspired by AI? A Novel Generative AI System To Assist Conceptual Automotive Design [6.001793288867721]
  デザインインスピレーションは、デザインの方向性を確立するだけでなく、感情を呼び起こし、概念設計プロセス中に意味を伝えるためにも不可欠である。 多くの実践的デザイナーはPinterestのようなプラットフォーム上でテキストベースの検索を使用してイメージのアイデアを集め、続いて紙にスケッチしたり、デジタルツールを使ってコンセプトを開発したりする。 拡散モデルのような新しい生成AI技術は、テキストとイメージインスピレーションインプットに基づいてデザイン概念を迅速に生成することで、これらのプロセスを合理化するための有望な道を提供する。
  論文  参考訳（メタデータ） (2024-06-06T17:04:14Z)
• Indexing Analytics to Instances: How Integrating a Dashboard can Support Design Education [14.45375751032367]
  デザイン分析ダッシュボードをデザインインスタンスと統合した研究成果物と、学生がそれを作成するために使用するデザイン環境を開発する。 我々は、AIに基づくデザイン分析が、あるコースコンテキストにおけるインストラクターのアセスメントとフィードバック体験をどのようにサポートするかに対処する研究内容を開発する。
  論文  参考訳（メタデータ） (2024-04-08T11:33:58Z)
• From Pixels to Insights: A Survey on Automatic Chart Understanding in the Era of Large Foundation Models [98.41645229835493]
  グラフ形式のデータの可視化は、データ分析において重要な役割を担い、重要な洞察を提供し、情報的な意思決定を支援する。 大規模言語モデルのような大規模な基盤モデルは、様々な自然言語処理タスクに革命をもたらした。 本研究は,自然言語処理,コンピュータビジョン,データ解析の分野における研究者や実践者の包括的資源として機能する。
  論文  参考訳（メタデータ） (2024-03-18T17:57:09Z)
• The role of interface design on prompt-mediated creativity in Generative AI [0.0]
  2つのジェネレーティブAIプラットフォームから145,000以上のプロンプトを分析します。 その結果,利用者は以前訪れた概念の活用よりも,新たなトピックを探求する傾向にあることがわかった。
  論文  参考訳（メタデータ） (2023-11-30T22:33:34Z)
• InstructDiffusion: A Generalist Modeling Interface for Vision Tasks [52.981128371910266]
  InstructDiffusionはコンピュータビジョンタスクを人間の指示に合わせるためのフレームワークである。 InstructDiffusionは、タスクの理解や生成タスクなど、さまざまなビジョンタスクを処理できる。 目に見えないタスクを処理し、新しいデータセットで前のメソッドより優れていることも示しています。
  論文  参考訳（メタデータ） (2023-09-07T17:56:57Z)
• Visual Firewall Log Analysis -- At the Border Between Analytical and Appealing [1.8692254863855962]
  本稿では,ITサービスプロバイダと連携して,インタラクティブなビジュアルファイアウォールログ分析システムの開発について検討する。 人中心設計プロセスについて述べるとともに,ヘドニックな特性も考慮した。 考察として,ヘドニック性に着目した設計学習プロセスの拡張について提案する。
  論文  参考訳（メタデータ） (2022-09-08T10:39:04Z)
• SGEITL: Scene Graph Enhanced Image-Text Learning for Visual Commonsense Reasoning [61.57887011165744]
  マルチモーダルトランスフォーマーはVisual Commonsense Reasoningのタスクにおいて大きな進歩を遂げた。 視覚的なシーングラフを常識的推論に組み込むためのScene Graph Enhanced Image-Text Learningフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-16T03:16:30Z)

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。