論文の概要: Bridging Gulfs in UI Generation through Semantic Guidance

• arxiv url: http://arxiv.org/abs/2601.19171v1
• Date: Tue, 27 Jan 2026 04:01:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-28 15:26:51.164517
• Title: Bridging Gulfs in UI Generation through Semantic Guidance
• Title（参考訳）: セマンティック誘導によるUI生成におけるブリッジガルフ
• Authors: Seokhyeon Park, Soohyun Lee, Eugene Choi, Hyunwoo Kim, Minkyu Kweon, Yumin Song, Jinwook Seo,
• Abstract要約: ユーザがセマンティクスを指定し、関係を視覚化し、セマンティクスがどのように生成されたUIに反映されるかを抽出するシステムを開発した。 比較ユーザスタディは,本手法が意図表現や結果解釈に対するユーザの認識制御を強化し,予測可能で反復的な改善を促進することを示唆している。
• 参考スコア（独自算出の注目度）: 16.245249868262178
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While generative AI enables high-fidelity UI generation from text prompts, users struggle to articulate design intent and evaluate or refine results-creating gulfs of execution and evaluation. To understand the information needed for UI generation, we conducted a thematic analysis of UI prompting guidelines, identifying key design semantics and discovering that they are hierarchical and interdependent. Leveraging these findings, we developed a system that enables users to specify semantics, visualize relationships, and extract how semantics are reflected in generated UIs. By making semantics serve as an intermediate representation between human intent and AI output, our system bridges both gulfs by making requirements explicit and outcomes interpretable. A comparative user study suggests that our approach enhances users' perceived control over intent expression, outcome interpretation, and facilitates more predictable, iterative refinement. Our work demonstrates how explicit semantic representation enables systematic and explainable exploration of design possibilities in AI-driven UI design.
• Abstract（参考訳）: 生成AIはテキストプロンプトから高忠実なUI生成を可能にするが、ユーザは設計意図を明確にし、実行と評価の結果を生成する湾を評価または洗練することに苦労する。 UI生成に必要な情報を理解するため、我々はUIプロンプトガイドラインのテーマ分析を行い、主要な設計意味を識別し、それらが階層的で相互依存的であることを発見した。 これらの知見を利用して,ユーザがセマンティクスを指定し,関係を視覚化し,セマンティクスが生成したUIにどのように反映されているかを抽出するシステムを開発した。 セマンティクスを人間の意図とAIのアウトプットの中間的な表現として機能させることで、我々のシステムは要求を明確にし、結果が解釈可能であることによって両者を橋渡しします。 比較ユーザスタディは,本手法が意図表現や結果解釈に対するユーザの認識制御を強化し,予測可能で反復的な改善を促進することを示唆している。 我々の研究は、明示的な意味表現がAI駆動UI設計における設計可能性の体系的かつ説明可能な探索を可能にすることを実証している。

関連論文リスト

• ContextualSHAP : Enhancing SHAP Explanations Through Contextual Language Generation [0.0]
  大規模言語モデル(LLM)と統合してSHAPを拡張するPythonパッケージを提案する。 この統合は、モデルコンテキストとユーザ視点の両方を説明するために、ユーザ定義パラメータによって導かれる。 結果: 生成した説明は視覚のみの出力よりも理解しやすく, 文脈的に適切であると考えられた。
  論文  参考訳（メタデータ） (2025-12-08T05:18:15Z)
• Evaluating Node-tree Interfaces for AI Explainability [0.5437050212139087]
  本研究では,ノードツリーインタフェースとチャットボットという,2つの異なるAIインターフェースを用いたユーザエクスペリエンスを評価する。 我々のノードツリーインタフェースは、AI生成した応答を階層的に整理された対話的なノードに視覚的に構造化する。 この結果から,構造化された可視化と会話形式を切り替えることのできるAIインターフェースが,AIシステムにおける透明性とユーザ信頼性を著しく向上させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-10-07T20:48:08Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• ThematicPlane: Bridging Tacit User Intent and Latent Spaces for Image Generation [49.805992099208595]
  ThematicPlaneは,ユーザが高レベルのセマンティック概念をナビゲートし操作できるシステムである。 このインターフェースは、暗黙の創造意図とシステム制御のギャップを埋める。
  論文  参考訳（メタデータ） (2025-08-08T06:57:14Z)
• Leveraging Multimodal LLM for Inspirational User Interface Search [12.470067381902972]
  既存のAIベースのUI検索メソッドは、ターゲットユーザやアプリのムードといった重要なセマンティクスを見逃すことが多い。 我々はマルチモーダルな大言語モデル(MLLM)を用いて,モバイルUI画像から意味を抽出し,解釈した。 われわれのアプローチは既存のUI検索方法よりも優れており、UIデザイナはよりリッチでコンテキストに関連のある検索体験を提供する。
  論文  参考訳（メタデータ） (2025-01-29T17:38:39Z)
• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。