論文の概要: DesignSpecs: A DESIGN.md Dataset of Visual Design Specifications for AI Agents
- arxiv url: http://arxiv.org/abs/2611.17713v1
- Date: Fri, 13 Nov 2026 03:47:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.300155
- Title: DesignSpecs: A DESIGN.md Dataset of Visual Design Specifications for AI Agents
- Title(参考訳): DesignSpecs: AIエージェントのためのビジュアルデザイン仕様のDESIGN.mdデータセット
- Abstract要約: 我々は15,794のパブリックな非フォークGitHubリポジトリから36,906のDESIGN.mdファイルのデータセットであるDesignSpecsを紹介する。
我々のデータセットは、元のファイルのファイルレベルと重複したビューを提供し、関連するスクリプトとともにリリースされます。
- 参考スコア(独自算出の注目度): 6.196784305386031
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While AI agents increasingly generate and modify user interfaces, they rarely rely on a visual design specification for a certain project. The DESIGN.md format, which originated from Google's AI design tool Stitch and which was open-sourced in April 2026, addresses this gap by describing a visual identity through design tokens (such as named colors, text styles) and Markdown prose. To our knowledge, no large-scale research dataset of such design specification files exists. We present DesignSpecs, a dataset of 36,906 DESIGN.md files from 15,794 public, non-fork GitHub repositories, representing 17,240 unique file contents. We collected 613,207 files named DESIGN.md in October 2026. Because the same file name also denotes architectural plans and other design documents, we filtered those with YAML front matter, a design-system name, at least one recognized design token, and zero errors under the official linter. Our JSON Lines dataset provides file-level and deduplicated views of the original Markdown, links files to repositories, paths, and commits, and is released with related scripts. We outline research opportunities on visual design knowledge and design-aware AI agents. Dataset is available at: https://huggingface.co/datasets/Jl-wei/DesignSpecs
- Abstract(参考訳): AIエージェントはユーザーインターフェイスを徐々に生成し変更するが、特定のプロジェクトのためのビジュアルデザイン仕様に頼ることは滅多にない。
DESIGN.mdフォーマットは、GoogleのAI設計ツールであるStitchに由来するもので、2026年4月にオープンソース化された。
我々の知る限り、そのような設計仕様ファイルの大規模な研究データセットは存在しない。
15,794のGitHubリポジトリから36,906のDESIGN.mdファイルのデータセットであるDesignSpecsを紹介します。
2026年10月に DESIGN.md という 613,207 ファイルを収集しました。
同じファイル名がアーキテクチャ計画やその他の設計文書を表すので、YAMLのフロントマター、設計システム名、少なくとも1つの認識されたデザイントークン、そして公式のlinterの下でゼロエラーをフィルタリングした。
私たちのJSON Linesデータセットは、元のMarkdownのファイルレベルおよび非重複ビューを提供し、ファイルをリポジトリ、パス、コミットにリンクし、関連するスクリプトでリリースします。
ビジュアルデザイン知識とデザイン対応AIエージェントの研究機会について概説する。
Dataset は以下の https://huggingface.co/datasets/Jl-wei/DesignSpecs で利用可能である。
関連論文リスト
- AgentTorrent: A Dataset of Context and Harness Engineering Artifacts on GitHub [10.630121959857398]
AgentTorrentデータセットは、GitHub上の10,944のソフトウェアプロジェクトで、6つのプロプライエタリでオープンソースのエージェントコーディングツールのファイルを記録している。
これには62,374の構成アーティファクト、これらアーティファクトがインポートするファイル、27,593件のエージェント計画文書、AIツールを信用する120万件以上のコミットが含まれている。
多くのデータセットとは異なり、AgentTorrentは構成アーティファクト、インポートファイル、エージェント計画文書、AIツールを信用するコミットをリンクする。
論文 参考訳(メタデータ) (2026-11-11T13:10:26Z) - Design Anything, Design at Scale [16.50985252308416]
これは、設計意図をモデル外に保持し、成果物をワークフローステップにバインドするグラフベースのハーネスです。
タスク契約は制約と決定を保持し、選択された設計は後代の明示的な入力となり、決定論的コントローラはバインディングと実行レコードを使用する。
また、DesignAnything-Benchも導入しています。19の設計ドメインに228のタスクがあり、6, 14, 24の成果物の38のプロジェクトファミリが含まれています。
論文 参考訳(メタデータ) (2026-10-17T16:29:33Z) - WebDesignIter: Co-Evolving Design Knowledge for Repository-Level Front-End Code Generation [21.856342152518376]
設計知識とリポジトリ構造を融合させるフレームワークであるWebDesignIterを提案する。
WebDesignIterは2つの段階で動作する。 設計インフォームドプランニングは、実装計画を作成するために、WebAppArchKGから歴史的コンテキストとアーキテクチャ概要を引き出す。
WebDesignIterは、9つのファンデーションモデルに対して、パス@2の平均9.55ポイントのゲインを提供する。
論文 参考訳(メタデータ) (2026-07-12T07:36:18Z) - Figma2Code: Automating Multimodal Design to Code in the Wild [85.29510079067464]
我々はFigma2Codeを紹介した。Figma2Codeは、デザインからコードへ、マルチモーダルな設定に進化させる新しいタスクである。
我々はFigmaコミュニティからペアデザインイメージとそのメタデータファイルを収集する。
このプロセスは3,055個のサンプルを生成し、そこからデザイナーは213の高品質なケースのバランスのとれたデータセットをキュレートする。
論文 参考訳(メタデータ) (2026-04-15T09:17:09Z) - Context Engineering for AI Agents in Open-Source Software [13.236926479239754]
GenAIベースのコーディングアシスタントは、ソフトウェア開発を混乱させた。
彼らの次の世代はエージェントベースで、より自律的で、潜在的には人間の監視なしで活動する。
ひとつの課題は、AIエージェントに対して、彼らが運用するソフトウェアプロジェクトに関する十分なコンテキストを提供することだ。
論文 参考訳(メタデータ) (2025-10-24T12:55:48Z) - 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) - 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) - LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer [80.61492265221817]
グラフィックレイアウトデザインは視覚コミュニケーションにおいて重要な役割を担っている。
しかし、手作りのレイアウトデザインは、スキルを要求し、時間がかかり、バッチプロダクションではスケールできない。
ジェネレーティブモデルは、設計自動化をスケーラブルにするために出現するが、デザイナの欲求に沿うデザインを作成することは、未だに容易ではない。
論文 参考訳(メタデータ) (2022-12-19T21:57:35Z) - Efficient Automatic Machine Learning via Design Graphs [72.85976749396745]
最適なモデル設計を探索する効率的なサンプルベース手法であるFALCONを提案する。
FALCONは,1)グラフニューラルネットワーク(GNN)を介してデザイングラフ上でメッセージパッシングを行うタスク非依存モジュール,2)既知のモデル性能情報のラベル伝搬を行うタスク固有モジュールを特徴とする。
FALCONは,30個の探索ノードのみを用いて,各タスクに対して良好な性能を持つ設計を効率的に得ることを実証的に示す。
論文 参考訳(メタデータ) (2022-10-21T21:25:59Z)
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。