論文の概要: SG-Layout: Structured Scene Graph-Guided Layout Generation with LLMs

• arxiv url: http://arxiv.org/abs/2608.01106v1
• Date: Sun, 02 Aug 2026 09:11:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.085264
• Title: SG-Layout: Structured Scene Graph-Guided Layout Generation with LLMs
• Title（参考訳）: SGレイアウト:LLMを用いた構造化シーングラフガイドレイアウト生成
• Abstract要約: 構造化空間知識を大規模言語モデル(LLM)に明示的に組み込んだグラフ誘導レイアウト生成フレームワークSG-を提案する。 実験により,SG-はコンパクトなオープンソースバックボーンよりも幾何的精度,一貫性,推論を向上させることが示された。 その結果, レイアウト生成の制御性を高めるため, グラフ構造化機能アライメントの有効性が示された。
• 参考スコア（独自算出の注目度）: 19.275150322459865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding and generating spatially coherent layouts from natural language remains a fundamental yet challenging task for large language models (LLMs). Existing LLMs often struggle to capture explicit geometric relationships and structural dependencies between objects. To address this issue, we propose SG-Layout, a graph-guided layout generation framework that explicitly incorporates structured spatial knowledge into LLMs. SG-Layout follows a two-stage training paradigm: (1) a graph-language feature alignment stage, where a relational graph encoder and a projector are trained to map scene-graph embeddings into the LLM's linguistic space; and (2) an instruction tuning stage, where LoRA-based adapters enable efficient fine-tuning for instruction-driven layout generation while keeping the backbone frozen. We evaluate SG-Layout on image layout generation, indoor scene synthesis and robotic object rearrangement tasks. Experimental results show that SG-Layout improves spatial reasoning accuracy and geometric consistency over the compact open-source backbone, with particularly clear advantages in relation-dense and compositionally complex scenes. These results highlight the effectiveness of graph-structured feature alignment for enhancing controllable layout generation.
• Abstract（参考訳）: 自然言語から空間的コヒーレントなレイアウトを理解し,生成することは,大規模言語モデル(LLM)の基本的かつ困難な課題である。 既存のLLMは、しばしば、明示的な幾何学的関係とオブジェクト間の構造的依存関係を捉えるのに苦労する。 この問題に対処するために,構造化空間知識をLLMに明示的に組み込んだグラフ誘導レイアウト生成フレームワークであるSG-Layoutを提案する。 SG-Layoutは,(1)リレーショナルグラフエンコーダとプロジェクタを訓練してシーングラフの埋め込みをLLMの言語空間にマッピングするグラフ言語機能アライメントステージ,(2)LoRAベースのアダプタが背骨を凍結させながら命令駆動レイアウト生成の効率的な微調整を可能にする命令チューニングステージ,の2段階の訓練パラダイムに従う。 画像レイアウト生成,室内シーン合成,ロボットオブジェクト再構成タスクにおけるSG-Layoutの評価を行った。 実験結果から,SG-Layoutはコンパクトなオープンソースバックボーン上での空間的推論精度と幾何的整合性を向上し,特に関係密度および構成的に複雑なシーンにおいて顕著な優位性を示した。 これらの結果は、制御可能なレイアウト生成を改善するためのグラフ構造化機能アライメントの有効性を強調した。

関連論文リスト

• GALA: Multimodal Graph Alignment for Bug Localization in Automated Program Repair [40.228155198574356]
  本稿では,マルチモーダル自動プログラム修復(APR)を暗黙的な意味的推測から明示的な構造的推論に移行するフレームワークであるGALAを提案する。 GALAは、まずイメージUIグラフを構築して、視覚要素とその構造的関係をキャプチャし、続いて、このUIグラフをリポジトリレベルの構造と相互参照することで、ファイルレベルのアライメントを実行する。 モダリティ間のセマンティクスとリレーショナルの整合性を強制することにより、GALAは高度に正確なビジュアル・ツー・コードマッピングを確立する。
  論文  参考訳（メタデータ） (2026-04-09T11:06:25Z)
• 3D-Layout-R1: Structured Reasoning for Language-Instructed Spatial Editing [57.785328880266775]
  本研究では,シーングラフ推論によるテキスト条件付き空間レイアウト編集を行う構造化推論フレームワークを提案する。 構造化された関係表現を通して推論過程を明示的に導くことにより,空間的関係の解釈可能性と制御性を向上する。
  論文  参考訳（メタデータ） (2026-03-23T17:59:14Z)
• NAG: A Unified Native Architecture for Encoder-free Text-Graph Modeling in Language Models [33.49410203951687]
  このアプローチはテキストグラフに最適である,と我々は主張する。 NAG(Native Architecture for Graphs)は、言語モデル内でグラフ処理を内部化する統合フレームワークである。 NAGは外部エンコーダのオーバーヘッドなしに堅牢なグラフ理解を実現する。
  論文  参考訳（メタデータ） (2026-01-30T07:22:11Z)
• DisCo-Layout: Disentangling and Coordinating Semantic and Physical Refinement in a Multi-Agent Framework for 3D Indoor Layout Synthesis [76.7196710324494]
  3次元屋内レイアウト合成は仮想環境構築に不可欠である。 DisCoは、物理的および意味的な洗練を歪め、調整する新しいフレームワークである。
  論文  参考訳（メタデータ） (2025-10-02T16:30:37Z)
• LLMs as Layout Designers: Enhanced Spatial Reasoning for Content-Aware Layout Generation [27.377286708795506]
  LaySPAは、レイアウト設計のための空間的推論機能を備えた大規模言語モデルを強化する強化学習ベースのフレームワークである。 また,LaySPAは構造的に有効かつ視覚的に魅力的なレイアウトの生成を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-09-21T03:02:59Z)
• LayoutVLM: Differentiable Optimization of 3D Layout via Vision-Language Models [57.92316645992816]
  空間的推論は人間の認知の基本的側面であり、三次元空間における物体の直感的な理解と操作を可能にする。 視覚言語モデル(VLM)のセマンティック知識を活用するフレームワークおよびシーンレイアウト表現であるLayoutVLMを紹介する。 本稿では,既存のシーンデータセットから抽出したシーンレイアウト表現を用いた微調整VLMによる推論性能の向上を実証する。
  論文  参考訳（メタデータ） (2024-12-03T06:15:04Z)
• Enhancing Video-Language Representations with Structural Spatio-Temporal Alignment [130.15775113897553]
  フィンスタは微細な構造的時間的アライメント学習法である。 既存の13の強化されたビデオ言語モデルも一貫して改善されている。
  論文  参考訳（メタデータ） (2024-06-27T15:23:36Z)
• A Parse-Then-Place Approach for Generating Graphic Layouts from Textual Descriptions [50.469491454128246]
  我々は、図形レイアウト、すなわちテキストからラベルへのレイアウトを作成するためのガイダンスとしてテキストを使用し、設計障壁を低くすることを目的としています。 テキストからラベルへの変換は、テキストからの暗黙的、複合的、不完全な制約を考慮する必要があるため、難しい作業である。 この問題に対処するための2段階のアプローチとして,パース・セイン・プレース(parse-then-place)を提案する。
  論文  参考訳（メタデータ） (2023-08-24T10:37:00Z)
• LAW-Diffusion: Complex Scene Generation by Diffusion with Layouts [107.11267074981905]
  LAW拡散(LAW-Diffusion)と呼ばれる意味制御可能なレイアウト・AWare拡散モデルを提案する。 LAW拡散は、特にコヒーレントな対象関係を持つ最先端の生成性能をもたらすことを示す。
  論文  参考訳（メタデータ） (2023-08-13T08:06:18Z)
• LayoutGPT: Compositional Visual Planning and Generation with Large Language Models [98.81962282674151]
  大規模言語モデル(LLM)は、テキスト条件からレイアウトを生成することで視覚的なプランナーとして機能する。 本稿では,スタイルシート言語におけるコンテキスト内視覚的デモンストレーションを構成する手法であるLayoutGPTを提案する。
  論文  参考訳（メタデータ） (2023-05-24T17:56:16Z)

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。