論文の概要: From Prompting to Composing: A Spatial Canvas Interface for Poster Generation

• arxiv url: http://arxiv.org/abs/2610.12230v1
• Date: Thu, 08 Oct 2026 16:16:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:54.154759
• Title: From Prompting to Composing: A Spatial Canvas Interface for Poster Generation
• Title（参考訳）: プロンプトからコンポジションへ:ポスト生成のための空間的キャンバスインタフェース
• Abstract要約: 本研究では,空間空間における生成意図を直接構成できる空間的Canvasインタフェースを提案する。 予め訓練された画像編集モデルから適応したポスター生成モデルであるCompoを開発した。 インテント仕様を視覚生成から切り離すことで、私たちの作業は、ポスター生成を作曲の促進へとシフトさせる。
• 参考スコア（独自算出の注目度）: 62.455314594691465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text prompting is an indirect interface for poster generation, requiring users to encode inherently two-dimensional composition intent into a one-dimensional sequence of words. We introduce a Spatial Canvas Interface that enables users to directly compose generation intent in space through four complementary binding types: semantic, identity, text, and pixel, together with Text Specifications for individual elements and global appearance. Based on this interface, we develop Compo, a poster generation model adapted from a pretrained image editing model to understand Spatial Canvas inputs and Text Specifications. Compo supports both direct inference, where users explicitly construct the canvas, and agentic mode, where a high-level request is automatically translated into a planned Spatial Canvas. To train Compo, we develop a scalable pipeline that automatically constructs supervision data for different binding types and their combinations, enabling efficient adaptation without training a specialized poster generator from scratch. We further introduce a benchmark that evaluates adherence to individual binding types and their joint composition. Experiments show that Compo achieves stronger compositional controllability than both general-purpose image generation models and dedicated poster generation systems while maintaining high visual quality. By decoupling intent specification from visual generation, our work shifts poster generation from prompting toward composing.
• Abstract（参考訳）: テキストプロンプトはポスター生成のための間接インターフェースであり、ユーザーは本質的に2次元の合成意図を1次元の単語列にエンコードする必要がある。 本研究では,空間的キャンバスインタフェースを導入することで,意味,アイデンティティ,テキスト,ピクセルの4つの補完的バインディング型と,個々の要素とグローバルな外観のテキスト仕様を,ユーザが直接空間内で生成意図を構成できるようにする。 このインタフェースに基づいて、空間的Canvas入力とテキスト仕様を理解するために、事前訓練された画像編集モデルから適応したポスター生成モデルCompoを開発した。 Compoは、ユーザがキャンバスを明示的に構築する直接推論と、高レベルの要求が自動的に計画された空間Canvasに変換されるエージェントモードの両方をサポートする。 Compoをトレーニングするために、異なるバインディングタイプとその組み合わせの監視データを自動的に構築するスケーラブルなパイプラインを開発し、特別なポスタージェネレータをスクラッチからトレーニングすることなく、効率的な適応を可能にする。 さらに,個々の結合タイプとその結合組成の付着性を評価するベンチマークを導入する。 実験により,Compoは視覚的品質を維持しつつ,汎用画像生成モデルと専用ポスター生成システムよりも強い構成制御性を実現することが示された。 インテント仕様を視覚生成から切り離すことで、私たちの作業は、ポスター生成を作曲の促進へとシフトさせる。

関連論文リスト

• Imagine Before You Draw: Visual Prompt Engineering for Image Generation [67.81347924426714]
  内部フレームワークにシームレスに統合可能なVisual Prompt Engineering (VPE)を提案する。 我々は,クラス条件生成,テキスト・ツー・イメージ生成,画像編集にまたがってVPEを検証する。 その結果, VPEはコンバージェンスを加速し, 天井の質を高め, 内部統合により, 編集保存性を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-06-03T05:01:36Z)
• Semantic-Structural Alignment for Generative Pictorial Charts [59.45629259524998]
  画像チャートの自動合成のための生成フレームワークを提案する。 2つの並列外部制御信号によって誘導される二重条件生成タスクとしてこの問題をモデル化する。 本手法は,芸術的に魅力的で構造的に整合性のある図表を生成する。
  論文  参考訳（メタデータ） (2026-05-05T05:20:46Z)
• coDrawAgents: A Multi-Agent Dialogue Framework for Compositional Image Generation [48.027946344020314]
  対話型多エージェント対話フレームワークであるcoDrawAgentsを提案する。 インタプリタは、直接テキスト・ツー・イメージ・パスとレイアウト対応マルチエージェント・プロセスとを判定する。 Plannerは、進化する視覚的コンテキストで決定を下しながら、同じセマンティック優先レベルを持つオブジェクトのレイアウトを提案する。 Checkerは空間的一貫性と属性アライメントを検証することで、明示的なエラー訂正機構を導入する。 Painterはイメージをステップごとに合成し、新しく計画されたオブジェクトをキャンバスに組み込んで、その後のイテレーションに対してよりリッチなコンテキストを提供する。
  論文  参考訳（メタデータ） (2026-03-13T09:32:06Z)
• Local Prompt Adaptation for Style-Consistent Multi-Object Generation in Diffusion Models [0.0]
  Local Prompt Adaptation (LPA) は、プロンプトをコンテンツやスタイルトークンに注入する、軽量でトレーニング不要な手法である。 T2Iベンチマークでは、LPAはバニラSDXLのCLIP-promptアライメントを+0.41%、SD1.5の+0.34%改善し、多様性を損なわない。 カスタムの50プロンプトスタイルリッチベンチマークでは、LPAは+0.09%のCLIPプロンプトと+0.08%のCLIPスタイルのゲインを達成した。
  論文  参考訳（メタデータ） (2025-07-27T01:32:13Z)
• 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)
• Object-level Visual Prompts for Compositional Image Generation [75.6085388740087]
  テキストから画像への拡散モデルにおいて,オブジェクトレベルの視覚的プロンプトを構成する手法を提案する。 このタスクにおける重要な課題は、入力された視覚的プロンプトで表現されたオブジェクトのアイデンティティを保持することである。 我々は、キーと値が異なる視覚的表現から学習される新しいKV混合のクロスアテンション機構を導入する。
  論文  参考訳（メタデータ） (2025-01-02T18:59:44Z)
• GlyphDraw2: Automatic Generation of Complex Glyph Posters with Diffusion Models and Large Language Models [7.152732507491591]
  LLMを利用したテキストレンダリング機能を備えた自動ポスター生成フレームワークを提案する。 このフレームワークは、詳細な背景の中で正確なポスターテキストを作成することを目的としている。 解像度が1024ピクセルを超える高解像度フォントデータセットとポスターデータセットを導入する。
  論文  参考訳（メタデータ） (2024-07-02T13:17:49Z)
• Ranni: Taming Text-to-Image Diffusion for Accurate Instruction Following [59.997857926808116]
  画像にテキストのデコードとして意味パネルを導入する。 パネルは、入力テキストから解析された視覚概念をアレンジすることで得られる。 我々は,実用的なシステムを開発し,連続生成とチャットベースの編集の可能性を示す。
  論文  参考訳（メタデータ） (2023-11-28T17:57:44Z)

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。