論文の概要: Step-by-step Layered Design Generation

• arxiv url: http://arxiv.org/abs/2512.03335v1
• Date: Wed, 03 Dec 2025 00:59:43 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:56:45.029799
• Title: Step-by-step Layered Design Generation
• Title（参考訳）: ステップバイステップ層設計生成
• Authors: Faizan Farooq Khan, K J Joseph, Koustava Goswami, Mohamed Elhoseiny, Balaji Vasan Srinivasan,
• Abstract要約: 本稿では,ステップ・バイ・ステップ・レイヤド・デザイン・ジェネレーション (Step-by-Step Layered Design Generation) と呼ばれる新しい問題設定を提案する。 これは、デザイナからの命令のシーケンスに従う設計を生成することで、機械学習モデルを処理します。 新しい問題設定を補完するために、データセットとベンチマークを含む新しい評価スイートを導入します。
• 参考スコア（独自算出の注目度）: 47.423344283764074
• License:
• Abstract: Design generation, in its essence, is a step-by-step process where designers progressively refine and enhance their work through careful modifications. Despite this fundamental characteristic, existing approaches mainly treat design synthesis as a single-step generation problem, significantly underestimating the inherent complexity of the creative process. To bridge this gap, we propose a novel problem setting called Step-by-Step Layered Design Generation, which tasks a machine learning model with generating a design that adheres to a sequence of instructions from a designer. Leveraging recent advancements in multi-modal LLMs, we propose SLEDGE: Step-by-step LayEred Design GEnerator to model each update to a design as an atomic, layered change over its previous state, while being grounded in the instruction. To complement our new problem setting, we introduce a new evaluation suite, including a dataset and a benchmark. Our exhaustive experimental analysis and comparison with state-of-the-art approaches tailored to our new setup demonstrate the efficacy of our approach. We hope our work will attract attention to this pragmatic and under-explored research area.
• Abstract（参考訳）: デザイン生成の本質はステップバイステップのプロセスであり、デザイナーは慎重に修正することで、徐々に洗練され、改善される。 この基本的な特徴にもかかわらず、既存のアプローチは主に単一ステップ生成問題として設計合成を扱い、創造的プロセスの本質的な複雑さを著しく過小評価している。 このギャップを埋めるために,設計者からの指示の順序に従う設計を生成する機械学習モデルを扱うStep-by-Step Layered Design Generation(ステップ・バイ・ステップ・レイヤ・デザイン・ジェネレーション)という新しい問題設定を提案する。 SLEDGE: ステップバイステップ LayEred Design GEnerator では,設計への各更新を,命令に基礎を置きながら,以前の状態に対するアトミックな階層的変更としてモデル化する。 新しい問題設定を補完するために、データセットとベンチマークを含む新しい評価スイートを導入する。 提案手法の有効性を実証するため,本手法の総合的な実験分析と最新手法との比較を行った。 この実用的で未調査の研究分野に、私たちの研究が注目されることを願っています。

関連論文リスト

• Computer-Aided Layout Generation for Building Design: A Review [18.703604111298695]
  本稿では,アーキテクチャのレイアウト設計と生成に関する3つの主要な研究テーマについて概説する。 各トピックについて、研究領域(アーキテクチャまたは機械学習)またはユーザ入力条件または制約によって分類される主要なパラダイムの概要を示す。
  論文  参考訳（メタデータ） (2025-04-13T19:00:53Z)
• From Elements to Design: A Layered Approach for Automatic Graphic Design Composition [16.262338090888342]
  階層設計の原理をLMM(Large Multimodal Models)に導入する。 LaDeCoは与えられた要素セットに対してレイヤプランニングを行い、入力要素をその内容に応じて異なるセマンティックレイヤに分割する。 その後、設計構成を階層的に制御する要素属性を予測し、以前に生成されたレイヤのレンダリングイメージをコンテキストに含める。
  論文  参考訳（メタデータ） (2024-12-27T16:13:08Z)
• STAR: Synthesis of Tailored Architectures [61.080157488857516]
  本稿では, 適合型アーキテクチャ (STAR) の新規な合成手法を提案する。 提案手法は線形入力可変系の理論に基づく新しい探索空間を結合し,階層的な数値エンコーディングをアーキテクチャゲノムに支持する。STARゲノムは,複数のモデル品質と効率の指標に最適化するために,勾配のない進化的アルゴリズムで自動的に精製・組換えされる。 STARを用いて、多種多様な計算単位と相互接続パターンを活用し、品質、パラメータサイズ、および自動回帰言語モデリングのための推論キャッシュのフロンティアにおける高度に最適化されたトランスフォーマーとストライプハイブリッドモデルを改善する。
  論文  参考訳（メタデータ） (2024-11-26T18:42:42Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• Representation Learning for Sequential Volumetric Design Tasks [11.702880690338677]
  本稿では,設計知識を専門家や高性能な設計シーケンスの集合から符号化することを提案する。 学習した表現の密度を推定して選好モデルを開発する。 逐次設計生成のための自己回帰変換モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-05T21:21:06Z)
• Heterogeneous Continual Learning [88.53038822561197]
  本稿では,ネットワークアーキテクチャの変更に伴う継続学習(CL)問題に対処する新しい枠組みを提案する。 本研究は, 蒸留ファミリ上に構築し, より弱いモデルが教師の役割を担うような, 新たな環境に適応するものである。 また、知識伝達を支援するために、タスク前の視覚的特徴を復元するクイック・ディープ・インバージョン(QDI)を提案する。
  論文  参考訳（メタデータ） (2023-06-14T15:54:42Z)
• 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)
• Dynamically Grown Generative Adversarial Networks [111.43128389995341]
  本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。 本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
  論文  参考訳（メタデータ） (2021-06-16T01:25:51Z)

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。