論文の概要: PLAYGROUND: Progressive Layout Generation with Render-Grounded Planning
- arxiv url: http://arxiv.org/abs/2610.18865v1
- Date: Tue, 13 Oct 2026 17:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:20:08.268006
- Title: PLAYGROUND: Progressive Layout Generation with Render-Grounded Planning
- Title（参考訳）: PLAYGROUND:Render-Grounded Planningによるプログレッシブレイアウト生成
- Abstract要約: MLLMベースのアプローチでは、実世界のデザインを反映する反復生成と視覚的改善が採用されている。
現在レンダリングされているキャンバスに動的に適応するプログレッシブレイアウト生成フレームワークであるPlayGroundを提案する。
CrelloとLICAの実験は、既存の方法よりもPlayGroundの有効性を実証している。
- 参考スコア（独自算出の注目度）: 41.8796961974247
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Generating editable graphic designs requires arranging visual and textual elements into a coherent composition while preserving their content and editability. Although recent MLLM-based approaches employ iterative generation and visual refinement to reflect the real-world design workflows, their high-level plans are predetermined prior to execution, limiting their adaptability as the design evolves. To address this limitation, we propose PlayGround, a progressive layout generation framework that dynamically adapts to the current rendered canvas. PlayGround establishes a progressive design loop comprising a Progressive Planner, a Layout Generator, and a Visual Verifier, guided by a Structure-Aware Retriever. Given an initial set of unordered elements, the Structure-Aware Retriever initially infers a coarse layout structure to retrieve structurally similar reference designs. Subsequently, at each turn, the Progressive Planner examines the current rendered canvas alongside the remaining elements, forms the next functional group, and plans its composition. The Layout Generator then predicts editable layout attributes, while the Visual Verifier evaluates rendered candidates and provides feedback when refinement is necessary. To train the Progressive Planner with step-wise supervision, we construct a two-stage data generation pipeline that extracts functional groups and turn-level planning trajectories from completed designs. Experiments on Crello and LICA demonstrate the effectiveness of PlayGround over existing methods. Our code and weights will be publicly released.
- Abstract（参考訳）: 編集可能なグラフィックデザインを生成するには、その内容と編集性を維持しながら、視覚的およびテキスト的要素をコヒーレントな構成にアレンジする必要がある。
最近のMLLMベースのアプローチでは、実世界の設計ワークフローを反映した反復生成と視覚的改善が採用されているが、それらのハイレベルな計画は実行前に予め決められており、設計が進むにつれて適応性が制限される。
この制限に対処するため,現在レンダリングされているキャンバスに動的に適応するプログレッシブレイアウト生成フレームワークであるPlayGroundを提案する。
PlayGroundは、Structure-Aware Retrieverによってガイドされるプログレッシブプランナー、レイアウトジェネレータ、ビジュアル検証を含むプログレッシブデザインループを確立する。
順序のない要素の初期セットが与えられたとき、Structure-Aware Retrieverは、構造的に類似した参照設計を検索するために、最初は粗いレイアウト構造を推論する。
その後、各ターンでプログレッシブ・プランナーは、残りの要素と並んで現在の描画キャンバスを調べ、次の汎函数群を形成し、その構成を計画する。
Layout Generatorは編集可能なレイアウト属性を予測し、Visual Verifierはレンダリングされた候補を評価し、改善が必要なときにフィードバックを提供する。
ステップワイズでプログレッシブ・プランナーを訓練するために,完成した設計から機能グループとターンレベルの計画軌跡を抽出する2段階のデータ生成パイプラインを構築した。
CrelloとLICAの実験は、既存の方法よりもPlayGroundの有効性を実証している。
コードと重みは公開されます。
関連論文リスト
- DesignAsCode: Bridging Structural Editability and Visual Fidelity in Graphic Design Generation [21.789797121277896]
DesignAsCodeはHTML/CSSを使ったプログラミングタスクとしてグラフィックデザインを再定義する新しいフレームワークである。
DesignAsCodeは、構造的妥当性と美的品質の両方において、最先端のレンダリングベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2026-02-06T05:10:19Z) - Rethinking Layered Graphic Design Generation with a Top-Down Approach [76.33538798060326]
図形デザインは、アイデアやメッセージを伝えるのに不可欠である。デザイナーは通常、編集を簡単にするために、オブジェクト、背景、ベクトル化されたテキスト層に作業を整理する。
GenAI方式の登場により、ピクセルフォーマットにおける高品質なグラフィックデザインの無限の供給がよりアクセスしやすくなってきた。
これにもかかわらず、非層型設計は人間の設計を刺激し、レイアウトやテキストスタイルの選択に影響を与え、最終的に層型設計を導いた。
本稿では,AI生成したデザインを編集可能な階層化設計に変換する最初の試みとして,グラフィックデザイン生成フレームワークであるAccordionを提案する。
論文 参考訳（メタデータ） (2025-07-08T02:26:08Z) - CAL-RAG: Retrieval-Augmented Multi-Agent Generation for Content-Aware Layout Design [6.830055289299306]
CAL-RAGは、コンテンツ対応レイアウト生成のための検索拡張エージェントフレームワークである。
我々は、LangGraphを使ってフレームワークを実装し、セマンティック変数に富んだベンチマークで評価する。
その結果,検索強化とエージェント的多段階推論を組み合わせることで,拡張性,解釈性,高忠実度な解が得られることがわかった。
論文 参考訳（メタデータ） (2025-06-27T06:09:56Z) - PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。
データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。
我々は,ユーザのデザイン意図に基づいて編集可能なポスターを生成する自動テキスト投稿システムを開発した。
論文 参考訳（メタデータ） (2024-06-05T03:05:52Z) - Retrieval-Augmented Layout Transformer for Content-Aware Layout Generation [30.101562738257588]
コンテンツ対応グラフィックレイアウト生成は、Eコマース製品イメージなどの所定のコンテンツとともに、視覚要素を自動的に配置することを目的としている。
単純な検索拡張により生成品質が大幅に向上することを示す。
Retrieval-Augmented Layout Transformer (RALF) と呼ばれる我々のモデルは、入力画像に基づいて近接したレイアウト例を検索し、これらの結果を自己回帰生成器に供給する。
論文 参考訳（メタデータ） (2023-11-22T18:59:53Z) - 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。