論文の概要: DOGS: Design-Space Sampling for Prompt-Driven Logo Generation

• arxiv url: http://arxiv.org/abs/2610.10760v1
• Date: Wed, 07 Oct 2026 18:24:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.627975
• Title: DOGS: Design-Space Sampling for Prompt-Driven Logo Generation
• Title（参考訳）: DOGS: プロンプト駆動のローゴジェネレーションのための設計空間サンプリング
• Abstract要約: 構造化デザイン空間内のサンプルとして,ロゴをリキャストする。 GFlowNetサンプリング器は、認識性、美学、独創性を組み合わせた端末報酬に比例した設計グラフを生成する。 2つのオープンソースと9つのベースラインに対して、DOGSはより認識され、美的であり、かなり多様性があり、商標侵害の少ないロゴを製造している。
• 参考スコア（独自算出の注目度）: 19.642870495782887
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prompt optimization for text-to-image (T2I) generation has been pursued almost entirely as text rewriting, in which a short user brief is expanded into a longer, model-preferred token sequence. We argue that such a language-space formulation is ill-suited to structured visual design tasks such as logo creation, where a one-line brief leaves most design decisions unspecified. These decisions depend on relational priors that a linear sequence cannot encode, and they leave an uncontrolled channel through which protected marks may be reproduced. We therefore recast logo prompting as sampling within a structured design space, and instantiate this idea as DOGS (Design-space prompting with an Originality-aware GFlowNet Sampler). From a large corpus of real-world logos, we mine a typed, graph-structured design grammar whose edges record empirical co-occurrence. A GFlowNet sampler then generates design graphs with probability proportional to a terminal reward that combines recognizability, aesthetics, and corpus-relative originality. Every slot draws only from a closed design-level vocabulary, and any infringement-inducing or harmful token is removed during parsing. The originality reward further penalizes proximity to existing logos, thereby incorporating infringement avoidance into the method by construction. On two open-source renderers and against nine baselines, DOGS produces logos that are more recognizable and aesthetic, substantially more diverse, and far less prone to trademark infringement.
• Abstract（参考訳）: テキスト・トゥ・イメージ(T2I)生成のためのプロンプト最適化は、ほぼ完全にテキストの書き直しとして追求され、短いユーザ・ブリーフがより長いモデルで推奨されるトークンシーケンスに拡張される。 このような言語空間の定式化は、ロゴ作成のような構造化された視覚的デザインタスクに不適であり、一行のブリーフがほとんどの設計決定を不特定に残している、と我々は論じる。 これらの決定は、線形シーケンスがエンコードできないというリレーショナルな先入観に依存しており、保護されたマークを再生できる制御されていないチャネルを残している。 そこで我々は、構造化デザイン空間内でのサンプリングを促進させるロゴをリキャストし、このアイデアをDOGS(Design-space prompting with Originality-aware GFlowNet Sampler)としてインスタンス化する。 現実世界のロゴの大規模なコーパスから、エッジが経験的共起を記録できるタイプ付きグラフ構造化デザイン文法を抽出する。 GFlowNetサンプリング器は、認識可能性、美学、コーパス相対的独創性を組み合わせた端末報酬に比例した設計グラフを生成する。 各スロットはクローズドな設計レベルの語彙からのみ引き出され、パース中に侵害や有害なトークンが取り除かれる。 オリジナル性報酬は、既存のロゴにさらに近づき、建設による方法への侵害回避を取り入れる。 2つのオープンソースレンダラーと9つのベースラインに対して、DOGSはより認識され、美的であり、かなり多様性があり、商標侵害の少ないロゴを製造している。

関連論文リスト

• D^2SD: Accelerating Speculative Decoding with Dual Diffusion Draft Models [27.44373450962651]
  最近の拡散ベースのドラフトラはトークンのブロック全体を並列に生成するが、通常は検証毎に単一のドラフトシーケンスにコミットする。 D2SDは,候補を信頼誘導プレフィックスツリーに整理する,二重拡散ドラフト投機的復号化フレームワークである。 結果として得られた共有誘導候補は、カスケードの注意を通して共同で検証される。
  論文  参考訳（メタデータ） (2026-06-03T04:48:00Z)
• AliMark: Enhancing Robustness of Sentence-Level Watermarking Against Text Paraphrasing [55.03371974830747]
  AliMarkは、文レベルの透かしをビットシーケンスエンコーディングとアライメントの問題として再構成するフレームワークである。 AliMarkは様々なパラフレーズ攻撃で最先端のベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2026-05-28T06:30:43Z)
• From Unlearning to UNBRANDING: A Benchmark for Trademark-Safe Text-to-Image Generation [0.7798283447125206]
  ブランド認識は多次元であり、明示的なロゴを超えて独特の構造的特徴を包含する。 商標のきめ細かい除去と微妙な構造的ブランド機能のための新しいタスクであるunbrandingを紹介します。 我々のVision Language Modelsのメトリクスによって検証された結果、アンブランディングははっきりした、実際に関係のある問題であることを確認した。
  論文  参考訳（メタデータ） (2025-12-15T23:15:36Z)
• Sketch-of-Thought: Efficient LLM Reasoning with Adaptive Cognitive-Inspired Sketching [64.74765550805024]
  Chain-of-Thoughtはステップバイステップの問題解決を促すが、中間出力の過剰な冗長性を犠牲にすることが多い。 我々は,認知にインスパイアされた推論パラダイムを言語制約と統合する促進フレームワークであるSketch-of-Thought(SoT)を提案する。 SoTはトークンを最大84%削減し、18の推論データセットで最小限の精度ロスを達成している。
  論文  参考訳（メタデータ） (2025-03-07T06:57:17Z)
• GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
  本稿では,コンテンツ対応のテキストロゴレイアウトを生成するVLM(Vision-Language Model)ベースのフレームワークを提案する。 本稿では,複数のグリフ画像を同時に処理するための計算コストを削減する2つのモデル手法を提案する。 本モデルでは,既存の公開データセットの5倍の広義のテキストロゴデータセットを2つ構築する。
  論文  参考訳（メタデータ） (2024-11-18T10:04:10Z)
• LogoSticker: Inserting Logos into Diffusion Models for Customized Generation [73.59571559978278]
  テキスト・ツー・イメージ・モデルにロゴを挿入する作業を導入する。 我々の目標は、ロゴのアイデンティティを拡散モデルに挿入し、様々な状況下でシームレスに合成できるようにすることです。 この課題に対処するために,新しい2相パイプラインLogoStickerを提案する。
  論文  参考訳（メタデータ） (2024-07-18T17:54:49Z)
• Watermarking Language Models for Many Adaptive Users [47.90822587139056]
  証明可能な保証付き言語モデルの透かし方式について検討する。 モデル生成テキストを個々のユーザに対してトレース可能なマルチユーザ透かしを導入する。 検出不能なChrist, Gunn, Zamir (2024) のゼロビットスキームが適応的に堅牢であることを証明する。
  論文  参考訳（メタデータ） (2024-05-17T22:15:30Z)
• LogoNet: a fine-grained network for instance-level logo sketch retrieval [7.858317554338922]
  2kのロゴインスタンスと9k以上のスケッチを含むインスタンスレベルのロゴスケッチデータセットを構築した。 次に、ロゴの正確なスケッチ検索のためのLogoNetと呼ばれるハイブリッドアテンション機構に基づく、きめ細かいトリプルブランチCNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2023-04-05T04:03:02Z)
• PosterLayout: A New Benchmark and Approach for Content-aware Visual-Textual Presentation Layout [62.12447593298437]
  コンテンツ対応視覚テキスト提示レイアウトは,所定のキャンバス上の空間空間を予め定義された要素にアレンジすることを目的としている。 本稿では,設計過程を模倣するためにレイアウトの要素を再編成する設計シーケンス形成(DSF)を提案する。 CNN-LSTMに基づく新しい条件生成対向ネットワーク(GAN)を提示し、適切なレイアウトを生成する。
  論文  参考訳（メタデータ） (2023-03-28T12:48:36Z)

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。