論文の概要: ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition

• arxiv url: http://arxiv.org/abs/2607.25565v1
• Date: Tue, 28 Jul 2026 10:53:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.800471
• Title: ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition
• Title（参考訳）: ReDesign: エージェント分解による画像から編集可能なデザイン構造を復元する
• Abstract要約: ReDesignは、編集可能な階層階層を成長させるエージェントフレームワークで、特定のツールを選択して、モダリティにまたがって構成する。 大規模な編集性を評価するために、909個のFigmaファイルと14,796個の編集命令からなるFigma Edit Replay Benchmarkを導入する。
• 参考スコア（独自算出の注目度）: 60.25038184390257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recovering an editable design file from a raster image is a common and costly bottleneck in modern design workflows, yet remains challenging since editability depends on recovering multi-modal attributes, such as typography, vector geometry, colors, grouping, and layer ordering. We present ReDesign, an agentic framework that grows an editable layer hierarchy by selecting and composing specialized tools across modalities. To keep this long decision process reliable despite imperfect tool outputs, we introduce graceful verification at each expansion, which provides local accept, prune, or retry feedback that prevents error accumulation and avoids large scale reruns. To evaluate editability at scale, we introduce the Figma Edit Replay Benchmark, consisting of 909 raw Figma files and 14,796 controlled edit instructions that replay edits on reconstructed outputs. Across this benchmark and standard reconstruction metrics, ReDesign achieves strong visual fidelity while delivering the highest editability across layout, color, and text edits, outperforming layered decomposition baselines and serial tool use pipelines.
• Abstract（参考訳）: ラスタ画像から編集可能なデザインファイルを復元することは、現代のデザインワークフローにおいて一般的でコストのかかるボトルネックであるが、編集容易性は、タイポグラフィ、ベクトル幾何学、色、グループ化、層秩序といったマルチモーダル属性の回復に依存するため、依然として困難である。 ReDesignは、編集可能な階層構造を成長させるエージェントフレームワークであり、特定のツールを選択して、モダリティをまたいだ構成を行う。 ツール出力が不完全であるにもかかわらず、この長い意思決定プロセスの信頼性を維持するため、各拡張に優雅な検証を導入し、局所的な受け入れ、プルーネ、リトライフィードバックを提供し、エラーの蓄積を防止し、大規模な再実行を回避する。 大規模な編集性を評価するために、909個のFigmaファイルと14,796個の編集命令からなるFigma Edit Replay Benchmarkを導入する。 このベンチマークと標準的な再構築メトリクスを通じて、ReDesignは、レイアウト、色、テキスト編集、パフォーマンスの高い階層化ベースライン、シリアルツール使用パイプラインをまたいで、最高の編集可能性を提供しながら、強力な視覚的忠実性を実現している。

関連論文リスト

• VectorHarness: Recovering Editable, Relation-Preserving Structure from Scientific Graphics [13.178383449521261]
  本稿では,タイプ固有表現を用いてコンポーネントを復元するマルチエージェントフレームワークであるVectorHarnessを紹介する。 実験により、VectorHarnessは実行可能成功と関係保存を改善し、回避可能なフォールバックを低減し、異種グラフィックス全体にわたって高い視覚的忠実性を維持することが示された。
  論文  参考訳（メタデータ） (2026-09-09T15:36:36Z)
• Towards Robust Sequential Decomposition for Complex Image Editing [26.747812783393204]
  複雑な編集タスクを構成する合成データパイプラインを開発し、高品質な分解配列で大規模な編集データセットをキュレートする。 合成データの微調整により、適切に設計された編集パラダイムにより、タスクの複雑さが増大しても、逐次分解が堅牢な改善をもたらすことが判明した。
  論文  参考訳（メタデータ） (2026-05-10T00:23:05Z)
• CAMEO: A Conditional and Quality-Aware Multi-Agent Image Editing Orchestrator [8.901958956012072]
  条件付き画像編集は、厳密な構造制御を必要とするシナリオにおいて不可欠である。 ほとんどのアプローチは単一ステップ生成に依存します。 我々は、条件付き編集を品質に配慮したフィードバック駆動プロセスとして再構成する構造化マルチエージェントフレームワーク、textbfCAMEOを提案する。
  論文  参考訳（メタデータ） (2026-04-03T16:27:02Z)
• ReLayout: Versatile and Structure-Preserving Design Layout Editing via Relation-Aware Design Reconstruction [26.78568275114657]
  設計レイアウト編集という基本的な再設計作業に着目する。 4つの基本的な重要な編集操作を導入し、編集操作の形式を標準化する。 本稿では,3重データを必要としない多目的構造認識設計編集のための新しいフレームワークReを提案する。
  論文  参考訳（メタデータ） (2026-02-01T06:05:44Z)
• FlowDC: Flow-Based Decoupling-Decay for Complex Image Editing [52.54102743380658]
  本稿では,複雑な編集を複数のサブ編集エフェクトに分離し,編集プロセス中に並列に重畳するFlowDCを提案する。 FlowDCは既存の方法に比べて優れた結果を示した。
  論文  参考訳（メタデータ） (2025-12-12T09:08:39Z)
• Image Editing As Programs with Diffusion Models [69.05164729625052]
  本稿では,Diffusion Transformer (DiT) アーキテクチャ上に構築された統合画像編集フレームワークである IEAP (Image Editing As Programs) を紹介する。 IEAPは、複雑な編集命令を原子操作のシーケンスに分解して、リダミストレンズによる命令編集にアプローチする。 我々のフレームワークは、特に複雑なマルチステップ命令に対して、より優れた精度とセマンティック忠実度を提供する。
  論文  参考訳（メタデータ） (2025-06-04T16:57:24Z)
• Lost in Edits? A $λ$-Compass for AIGC Provenance [119.95562081325552]
  本稿では,実測出力と操作された出力を頑健に識別し,識別する新しい潜在空間属性法を提案する。 LambdaTracerは、InstructPix2Pixのようなテキスト誘導編集ツールによって自動化されるか、Adobe Photoshopのような編集ソフトウェアで手動で実行されるか、様々な反復編集プロセスで有効である。
  論文  参考訳（メタデータ） (2025-02-05T06:24:25Z)
• INRetouch: Context Aware Implicit Neural Representation for Photography Retouching [54.17599183365242]
  本稿では、プロの編集から前後のイメージペアを通して学習する新しいリタッチ転送手法を提案する。 我々は,画像の内容とコンテキストに基づいて,適応的に編集を適用することを学習する文脈認識型インプシットニューラル表現を開発した。 提案手法は,参照編集から暗黙的な変換を抽出し,それらを新しい画像に適用する。
  論文  参考訳（メタデータ） (2024-12-05T03:31:48Z)
• Task-Oriented Diffusion Inversion for High-Fidelity Text-based Editing [60.730661748555214]
  textbfTask-textbfOriented textbfDiffusion textbfInversion (textbfTODInv) は、特定の編集タスクに適した実際の画像を反転して編集する新しいフレームワークである。 ToDInvは相互最適化によってインバージョンと編集をシームレスに統合し、高い忠実さと正確な編集性を保証する。
  論文  参考訳（メタデータ） (2024-08-23T22:16:34Z)

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。