論文の概要: Co-DSL: Human-LLM Co-design of Reusable Spatial Concepts for Layout Generation

• arxiv url: http://arxiv.org/abs/2610.15290v1
• Date: Sun, 11 Oct 2026 02:49:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.184441
• Title: Co-DSL: Human-LLM Co-design of Reusable Spatial Concepts for Layout Generation
• Title（参考訳）: Co-DSL: レイアウト生成のための再利用可能な空間概念の人間-LLM共同設計
• Abstract要約: ユーザとLLMがレイアウト生成のための再利用可能な空間概念を共設計するフレームワークであるCo-operationを提案する。 最初の段階では、ユーザがパーソナライズされた操作のライブラリを作成することができる。 概念を追加するために、ユーザーは LLM が初期実装に変換する記述を提供する。 ユーザは、例のシナリオを越えて、コンセプトの実行動作を観察できる。
• 参考スコア（独自算出の注目度）: 34.11326672990892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Co-DSL, a framework in which users and LLMs co-design reusable spatial concepts for layout generation. In the first stage, our system allows users to create a library of personalized operations. To add a concept, a user provides a description, which the LLM converts into an initial implementation. The user can then observe the concept's execution behavior over example scenarios and provide lightweight feedback to the LLM, which revises the concept's implementation logic. In the second stage, given a library, an LLM can author a layout program that meets a new layout request from a user. Executing a layout program instantiates a concept-graph, a declarative composition of library concepts. In this way, we require the LLM only to specify which concepts should hold, while we use a solver to search for a layout that satisfies them. Across five spatial layout domains, we find that Co-DSL libraries let LLMs capture layout patterns that are challenging for prior fixed-operation systems, and demonstrate that our concept-graph representation is needed for LLMs to reliably compose concepts together. We further find that Co-DSL lets LLMs author generative layout programs that expose high-level parametric controls users can manipulate to explore a distribution of related layouts without re-prompting.
• Abstract（参考訳）: ユーザとLLMがレイアウト生成のための再利用可能な空間概念を共設計するフレームワークであるCo-DSLを提案する。 最初の段階では、ユーザがパーソナライズされた操作のライブラリを作成することができる。 概念を追加するために、ユーザーは LLM が初期実装に変換する記述を提供する。 次にユーザは、例のシナリオを越えてコンセプトの実行動作を観察し、LLMに軽量なフィードバックを提供することで、概念の実装ロジックを改訂することができる。 ライブラリが与えられた第2段階では、LCMはユーザからの新しいレイアウト要求を満たすレイアウトプログラムを作成できる。 レイアウトプログラムの実行は、ライブラリの概念の宣言的な構成である概念グラフをインスタンス化する。 このようにして、私たちは LLM にどの概念が保持されるべきかを指定することだけを要求する一方、解決器を使ってそれらを満たすレイアウトを探索する。 5つの空間的レイアウト領域をまたいで,従来の固定操作システムでは難しいレイアウトパターンをLLMがキャプチャし,LLMが概念を確実に構成するためには,概念グラフ表現が必要であることを実証する。 さらに、LLMが作成する生成的レイアウトプログラムは、ユーザが操作できる高レベルなパラメトリック制御を、再プロンプトすることなく、関連するレイアウトの分布を探索することを可能にする。

関連論文リスト

• FlairGPT: Repurposing LLMs for Interior Designs [29.903931425159925]
  大規模言語モデル (LLM) が内部設計に直接活用できるかどうかを検討する。 LLMを体系的に探索することにより、関連する制約とともにオブジェクトのリストを確実に生成できる。 この情報を設計レイアウトグラフに変換し、オフザシェルフ制約最適化設定を用いて解決する。
  論文  参考訳（メタデータ） (2025-01-08T18:01:49Z)
• HouseTune: Two-Stage Floorplan Generation with LLM Assistance [10.558141230827847]
  本稿では,大規模言語モデルの推論能力と拡散モデルの生成能力を組み合わせた2段階のテキスト・ツー・フロアプラン・フレームワークを提案する。 実験結果から,本手法は全指標の最先端性能を実現し,実用的ホームデザインアプリケーションにおける有効性を検証した。
  論文  参考訳（メタデータ） (2024-11-19T06:57:45Z)
• SocialGPT: Prompting LLMs for Social Relation Reasoning via Greedy Segment Optimization [70.11167263638562]
  社会的関係推論は、友人、配偶者、同僚などの関係カテゴリを画像から識別することを目的としている。 まず、VFM(Vision Foundation Models)の知覚能力と、モジュラーフレームワーク内でのLLM(Large Language Models)の推論能力を組み合わせた、シンプルだが巧妙な名前のフレームワークを提示する。
  論文  参考訳（メタデータ） (2024-10-28T18:10:26Z)
• Sketch: A Toolkit for Streamlining LLM Operations [51.33202045501429]
  大規模言語モデル(LLM)は大きな成功を収めた。 アウトプットフォーマットの柔軟性は、モデルのアウトプットを制御および活用する上での課題を引き起こします。 スケッチ(Sketch)は、多種多様な分野にわたるLCM操作を合理化するための革新的なツールキットである。
  論文  参考訳（メタデータ） (2024-09-05T08:45:44Z)
• Low-code LLM: Graphical User Interface over Large Language Models [115.08718239772107]
  本稿では,人間-LLMインタラクションフレームワークであるLow-code LLMを紹介する。 より制御可能で安定した応答を実現するために、6種類のシンプルなローコードビジュアルプログラミングインタラクションを組み込んでいる。 ユーザフレンドリなインタラクション,制御可能な生成,広い適用性という,低コード LLM の3つの利点を強調した。
  論文  参考訳（メタデータ） (2023-04-17T09:27:40Z)

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。