論文の概要: simpleposter: a simple baseline for product poster generation
- arxiv url: http://arxiv.org/abs/2605.08784v1
- Date: Sat, 09 May 2026 08:12:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:49.885324
- Title: simpleposter: a simple baseline for product poster generation
- Title（参考訳）: Simpleposter: 製品ポスター生成のためのシンプルなベースライン
- Abstract要約: 外部コントローラを使わずに、忠実な主題の保存と正確な位置制御が可能なテキストレンダリングを実現する。
実験の結果、SimplePosterは、SeedEdit 3.0が55.2%、PosterMakerが85.3%、テキストレンダリングの精度が改善したのに対し、980.7%の主題保存率を達成した。
- 参考スコア（独自算出の注目度）: 17.46071085989295
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Product poster generation poses distinct challenges beyond general poster design, requiring both faithful preservation of product appearance and precise control over dense, multi-line text layouts. Prior methods typically adopt inpainting frameworks augmented with auxiliary modules such as ControlNet and OCR encoders. However, these approaches introduce architectural complexity and computational overhead while still suffering from text errors and subject extension artifacts. We present SimplePoster, a simple yet effective inpainting-based framework that achieves faithful subject preservation and accurate, position-controllable text rendering without external controllers. Our approach builds on two observations: (1) full-parameter fine-tuning of the base model effectively suppresses subject extension, outperforming ControlNet-based alternatives; and (2) a zero-cost character-level position encoding enables geometry-aware text generation without dedicated layout modules. Experiments show that SimplePoster achieves a $98.7\%$ subject preservation rate, compared to $55.2\%$ for SeedEdit 3.0 and $85.3\%$ for PosterMaker, while also improving text rendering accuracy. Code, models, benchmark and a part of training data will be available at https://github.com/Alibaba-YuFeng/SIMPLEPOSTER
- Abstract（参考訳）: 製品ポスター生成は、一般的なポスターデザインを超えて、製品外観の忠実な保存と、密集した複数行のテキストレイアウトの正確な制御の両方を必要としている。
従来のメソッドでは、ControlNetやOCRエンコーダといった補助モジュールを付加したインペイントフレームワークが一般的だった。
しかし、これらのアプローチは、テキストエラーや対象拡張アーティファクトに悩まされているまま、アーキテクチャ上の複雑さと計算オーバーヘッドをもたらす。
外部コントローラを使わずに、忠実な被写体保存と正確な位置制御が可能なテキストレンダリングを実現するための、シンプルで効果的な塗り絵ベースのフレームワークSimplePosterを提案する。
提案手法は,(1)主観的拡張を効果的に抑制する基本モデルのフルパラメータ微調整,(2)専用レイアウトモジュールを使わずにジオメトリ対応のテキスト生成を可能にする文字レベルのゼロコスト符号化,という2つの観測結果に基づく。
実験の結果、SimplePosterは、SeedEdit 3.0の$55.2\%、PosterMakerの$85.3\%に対して、9,8.7\%の主題保存率を達成した。
コード、モデル、ベンチマーク、トレーニングデータの一部がhttps://github.com/Alibaba-YuFeng/SIMPLEPOSTERで利用可能になる。
関連論文リスト
- PosterText: Towards Unified Visual Text Generation and Editing for E-commerce Poster [24.777892751309384]
自動eコマースポスターデザインは、高品質のポスター生成と既存のデザインの柔軟な編集の両方を必要とする。
電子商取引ポスターの統一的生成と編集を可能にするために,テキストパッチ生成と編集を導入する。
テキストレンダリング事前学習,指示追従訓練,優先調整のための強化学習,空間誘導自己蒸留など,4段階のカリキュラムで訓練された統一モデルであるPosterTextを提案する。
論文 参考訳（メタデータ） (2026-08-17T08:59:49Z) - PIXELRAG: Web Screenshots Beat Text for Retrieval-Augmented Generation [70.26672362704758]
我々は,Webサイトを視覚的に表現する新しい検索拡張手法であるPixelRAGを紹介する。
PixelRAGはこの形式で完全なウィキペディアコーパス上で動作する最初のパイプラインである。
非検索とテキストベースのRAGベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-06-01T23:20:51Z) - TextAlign: Preference Alignment for Text Rendering with Hierarchical Rewards [25.768329293709176]
テキストレンダリングを学習後の嗜好調整問題として研究する。
キーコンポーネントは階層型視覚言語モデル(VLM)ベースの報酬で、レンダリングエラーをグローバル、ワード、グリフのレベルに分解する。
FLUX.1-devとZ-Image-Turboの実験では、一般的な生成品質を劣化させることなく、OCRベースのテキスト精度が一貫した向上を示した。
論文 参考訳（メタデータ） (2026-05-19T03:55:59Z) - TextGround4M: A Prompt-Aligned Dataset for Layout-Aware Text Rendering [64.22226877213521]
テキスト・ツー・イメージ生成の進歩にもかかわらず、モデルはまだ、プロンプト仕様のテキストを正しい空間レイアウトでレンダリングするのに苦労している。
TextGround4Mは400万以上のプロンプトイメージ対のデータセットで、プロンプトと対応するバウンディングボックスにグラウンドされたスパンレベルテキストをアノテートする。
本稿では、モデルアーキテクチャや推論動作を変更することなく、トレーニング中にレイアウトを意識したスパントークンを付加する自動回帰型T2Iモデルの軽量なトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2026-04-27T13:28:57Z) - CreatiParser: Generative Image Parsing of Raster Graphic Designs into Editable Layers [48.779823303618734]
グラフィックデザイン解析のためのハイブリッドな生成フレームワークを提案する。
デザインイメージを編集可能なテキスト、バックグラウンド、ステッカー層に分解する。
テキスト領域は、視覚言語モデルを用いてテキスト設計プロトコルに解析される。
背景ステッカー層はマルチブランチ拡散アーキテクチャを用いて生成される。
論文 参考訳（メタデータ） (2026-04-21T16:20:19Z) - Multimodal OCR: Parse Anything from Documents [72.69545534962234]
dots.mocrは、チャート、ダイアグラム、テーブル、アイコンなどのビジュアル要素を第一級解析ターゲットとして扱う。
テキストとグラフィックの両方を構造化出力として再構築し、より忠実なドキュメント再構築を可能にする。
不均一なドキュメント要素に対するエンドツーエンドのトレーニングをサポートする。
論文 参考訳（メタデータ） (2026-03-13T14:42:21Z) - InnoAds-Composer: Efficient Condition Composition for E-Commerce Poster Generation [27.024838488122104]
本稿では,主観,グリフ,スタイルよりも効率的な三条件制御トークンを実現するための単一ステージフレームワークを提案する。
InnoAds-Composerは、推論遅延を明らかに増加させることなく、既存の製品ポスター手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-03-06T04:36:33Z) - EfficientPosterGen: Semantic-aware Efficient Poster Generation via Token Compression and Accurate Violation Detection [31.15442597866692]
EfficientPosterGenは、学術ポスターの自動生成のためのエンドツーエンドフレームワークである。
セマンティックアウェア検索とトークン効率のマルチモーダル生成を導入している。
トークンの効率とレイアウトの信頼性を大幅に向上させる。
論文 参考訳（メタデータ） (2026-02-25T17:03:39Z) - UniGlyph: Unified Segmentation-Conditioned Diffusion for Precise Visual Text Synthesis [38.658170067715965]
画素レベルの視覚テキストマスクを統一された条件入力として用いるセグメンテーション誘導フレームワークを提案する。
提案手法は,AnyTextベンチマークの最先端性能を実現する。
レイアウトテストのためのGlyphMM-benchmarkと、小規模テキスト領域における生成品質の評価のためのMiniText-benchmarkの2つの新しいベンチマークも導入した。
論文 参考訳（メタデータ） (2025-07-01T17:42:19Z) - PosterCraft: Rethinking High-Quality Aesthetic Poster Generation in a Unified Framework [26.60241017305203]
PosterCraftは、以前のモジュールパイプラインと厳格で定義されたレイアウトを捨てる統一されたフレームワークである。
慎重にデザインされ、カスケードされたワークフローを使用して、審美的なポスターの生成を最適化する。
PosterCraftは、レンダリング精度、レイアウトコヒーレンス、全体的な視覚的魅力において、オープンソースのベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2025-06-12T14:28:12Z) - PosterMaker: Towards High-Quality Product Poster Generation with Accurate Text Rendering [50.76106125697899]
テーマ、シーン、テキストを統合したプロダクトポスターは、顧客を引き付けるための重要なプロモーションツールである。
主な課題はテキストを正確にレンダリングすることであり、特に1万文字以上を含む中国語のような複雑な書記システムではそうである。
テキストレンダリング精度が90%を超えるTextRenderNetを開発した。
TextRenderNetとSceneGenNetをベースに、エンドツーエンド生成フレームワークであるPosterMakerを紹介します。
論文 参考訳（メタデータ） (2025-04-09T07:13:08Z) - POSTA: A Go-to Framework for Customized Artistic Poster Generation [87.16343612086959]
POSTAは、カスタマイズされた芸術ポスター生成のためのモジュラーフレームワークである。
background Diffusionはユーザ入力に基づいてテーマ付きバックグラウンドを生成する。
設計MLLMはレイアウトとタイポグラフィー要素を生成し、背景スタイルと整合し補完する。
ArtText Diffusionはキーテキスト要素にスタイリングを追加する。
論文 参考訳（メタデータ） (2025-03-19T05:22:38Z)
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。