論文の概要: PosterIQ: A Design Perspective Benchmark for Poster Understanding and Generation

• arxiv url: http://arxiv.org/abs/2603.24078v1
• Date: Wed, 25 Mar 2026 08:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.211242
• Title: PosterIQ: A Design Perspective Benchmark for Poster Understanding and Generation
• Title（参考訳）: PosterIQ: ポスター理解と生成のための設計視点ベンチマーク
• Abstract要約: PosterIQは、ポスター理解と生成のための設計主導のベンチマークである。 7,765のイメージアノテーションインスタンスと822の生成プロンプトが含まれており、実際のケース、専門ケース、合成ケースにまたがっている。
• 参考スコア（独自算出の注目度）: 27.097615059097322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present PosterIQ, a design-driven benchmark for poster understanding and generation, annotated across composition structure, typographic hierarchy, and semantic intent. It includes 7,765 image-annotation instances and 822 generation prompts spanning real, professional, and synthetic cases. To bridge visual design cognition and generative modeling, we define tasks for layout parsing, text-image correspondence, typography/readability and font perception, design quality assessment, and controllable, composition-aware generation with metaphor. We evaluate state-of-the-art MLLMs and diffusion-based generators, finding persistent gaps in visual hierarchy, typographic semantics, saliency control, and intention communication; commercial models lead on high-level reasoning but act as insensitive automatic raters, while generators render text well yet struggle with composition-aware synthesis. Extensive analyses show PosterIQ is both a quantitative benchmark and a diagnostic tool for design reasoning, offering reproducible, task-specific metrics. We aim to catalyze models' creativity and integrate human-centred design principles into generative vision-language systems.
• Abstract（参考訳）: 提案するPosterIQは,コンポジション構造,タイポグラフィー階層,意味的意図にアノテートされた,ポスターの理解と生成のための設計によるベンチマークである。 7,765のイメージアノテーションインスタンスと822の生成プロンプトが含まれており、実際のケース、専門ケース、合成ケースにまたがっている。 視覚的デザイン認知と生成モデリングを橋渡しするために、レイアウト解析、テキスト画像対応、タイポグラフィー/可読性、フォント認識、デザイン品質評価、メタファーによる制御可能な合成認識生成のタスクを定義する。 我々は、最先端のMLLMと拡散型ジェネレータを評価し、視覚階層、タイポグラフィーのセマンティクス、サリエンシ制御、意図的なコミュニケーションに永続的なギャップを見出す。 大規模な分析によると、PosterIQは定量的なベンチマークであり、設計推論のための診断ツールであり、再現可能なタスク固有のメトリクスを提供する。 我々は,モデルの創造性を触媒し,人間中心のデザイン原則を生成的視覚言語システムに統合することを目指している。

関連論文リスト

• Text-Aided Multi-Modal Panoptic Symbol Spotting for CAD Floor Plan Drawings [11.891289170899425]
  TextCADはグラフィカルプリミティブとパノプティカルシンボルスポッティングのためのテキストアノテーションをモデル化するフレームワークである。 テキストCADはシンボルスポッティング性能と最先端の結果を効果的に向上することを示す。
  論文  参考訳（メタデータ） (2026-07-14T12:07:44Z)
• Graphic-Design-Bench: A Comprehensive Benchmark for Evaluating AI on Graphic Design Tasks [7.841779848822317]
  GraphicDesignBench(GDB)は、プロフェッショナルなグラフィックデザインタスクの全範囲でAIモデルを評価するために設計された、初めての包括的なベンチマークスイートである。 このスイートは、レイアウト、タイポグラフィー、インフォグラフィック、テンプレートとデザインのセマンティクス、アニメーションの5つの軸に沿って構成された50のタスクで構成されている。 本研究では,空間的精度,知覚的品質,テキストの忠実度,セマンティックアライメント,構造的妥当性を網羅した標準化された計量分類法を用いて,フロンティアクローズソースモデルの集合を評価する。
  論文  参考訳（メタデータ） (2026-04-05T17:20:08Z)
• LogiStory: A Logic-Aware Framework for Multi-Image Story Visualization [59.35938978648807]
  論理を意識したマルチイメージストーリー可視化フレームワークLogiStoryを提案する。 このフレームワークは、ストーリービジュアライゼーションにおけるビジュアルロジックを明示的にモデル化する中心的なイノベーションに基づいて構築されている。 この研究は、一般的な画像シーケンスおよびビデオ生成タスクにおける視覚ロジックのモデリングと強化に向けた基礎的なステップを提供する。
  論文  参考訳（メタデータ） (2026-03-30T06:37:12Z)
• Beyond Pixels: Visual Metaphor Transfer via Schema-Driven Agentic Reasoning [56.24016465596292]
  視覚的メタファーは、抽象概念をインパクトのある視覚的レトリックに変換するために、クロスドメインなセマンティックフュージョンを用いて、人間の創造性の高階形式を構成する。 本稿では,参照画像から「創造的本質」を自律的に分離し,その抽象論理をユーザ特定対象に再物質化する,視覚メタファー伝達(VMT)の課題を紹介する。 提案手法は, メタファーの整合性, アナロジーの適切性, 視覚的創造性においてSOTAのベースラインを著しく上回り, 広告・メディアにおける高度にインパクトのある創造的アプリケーションを自動化するための道を開いた。
  論文  参考訳（メタデータ） (2026-02-01T17:01:36Z)
• CAL-RAG: Retrieval-Augmented Multi-Agent Generation for Content-Aware Layout Design [6.830055289299306]
  CAL-RAGは、コンテンツ対応レイアウト生成のための検索拡張エージェントフレームワークである。 我々は、LangGraphを使ってフレームワークを実装し、セマンティック変数に富んだベンチマークで評価する。 その結果,検索強化とエージェント的多段階推論を組み合わせることで,拡張性,解釈性,高忠実度な解が得られることがわかった。
  論文  参考訳（メタデータ） (2025-06-27T06:09:56Z)
• KITTEN: A Knowledge-Intensive Evaluation of Image Generation on Visual Entities [93.74881034001312]
  KITTENはKnowledge-InTensiveイメージジェネラティオンのベンチマークである。 我々は最新のテキスト・画像モデルと検索強化モデルについて体系的な研究を行う。 分析によると、高度なテキスト・ツー・イメージモデルでさえ、エンティティの正確な視覚的詳細を生成できない。
  論文  参考訳（メタデータ） (2024-10-15T17:50:37Z)
• MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
  MetaDesignerがLarge Language Models(LLM)を利用したアートタイポグラフィーのための変換フレームワークを導入 その基盤は、Pipeline、Glyph、Textureエージェントで構成されるマルチエージェントシステムであり、カスタマイズ可能なWordArtの作成をまとめてオーケストレーションしている。
  論文  参考訳（メタデータ） (2024-06-28T11:58:26Z)
• Evaluation Metrics for Automated Typographic Poster Generation [0.24578723416255752]
  タイポグラフィー設計評価のための指標のセットを提案し,その妥当性に着目した。 また、感情認識を統合して、テキストのセマンティクスを自動的に識別し、アプローチのパフォーマンスを解析する。
  論文  参考訳（メタデータ） (2024-02-10T13:18:10Z)
• Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
  一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。 それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。 従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
  論文  参考訳（メタデータ） (2021-05-20T20:42:42Z)
• Matching Visual Features to Hierarchical Semantic Topics for Image Paragraph Captioning [50.08729005865331]
  本稿では,階層的トピック誘導画像段落生成フレームワークを開発した。 複数の抽象レベルでの画像とテキストの相関をキャプチャするために、変分推論ネットワークを設計します。 段落生成を導くために、学習した階層的トピックと視覚的特徴を言語モデルに統合する。
  論文  参考訳（メタデータ） (2021-05-10T06:55:39Z)

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。