Aug, 2021

通过潜在优化实现约束图形布局生成

PDF
TL;DR本文提出了一种基于 Transformer 框架的生成布局模型，可以灵活地融合设计语义，支持用户隐式或显式地指定元素排列约束，并展示了该模型在单模型下可以生成真实的布局。
graphic designlayout generationdesign semanticstransformer architecturelatent space
发现论文，激发创造
  • 使用约束图进行生成式布局建模

    本文提出了一种新的生成模型用于布局生成，其分为三个步骤，通过最新的 transformer architecture 来生成布局元素和计算布局元素之间的约束关系，最后采用有约束的优化方法实现布局优化，并与现有技术进行了对比，证明了我们的方法不需要用户输入、产生更高质量的布局，以及能实现许多新颖的有条件布局生成能力。

    Nov, 2020

  • LayoutFormer++：基于约束串行化和解码空间限制的条件图形布局生成

    LayoutFormer++ 提出了一种序列到序列的条件布局生成方法，采用编码器 - 解码器框架和 Transformer 模型实现，通过约束序列化机制和解码空间约束策略，能够更好地满足不同的用户约束条件，生成更高质量的布局。

    Aug, 2022

  • 神经设计网络：约束下的图形布局生成

    本文提出了一种利用神经设计网络 (NDN) 生成满足用户指定约束条件的设计布局的方法，被实验评估证明生成的设计布局与真实设计布局非常相似，并且在布局推荐方面具有实际应用价值。

    Dec, 2019

  • 面向视觉文本呈现设计的组合感知图形布局生成对抗网络

    本文提出了一种基于图像元素的深度生成模型 CGL-GAN，并设计了域对齐模块 DAM 来缩小训练和测试输入之间的差距，进而生成符合美感直觉的高质量图形布局。

    Apr, 2022

  • 使用潜在扩散进行参数化布局生成

    本文介绍了一种名为 PLay 的条件性潜在扩散模型，用于生成基于用户指定准则的矢量图空间中的参数化布局，并在 FID 和 FD-VG 等度量标准及用户测试中优于之前的作品，并为专业布局设计过程带来新颖交互体验。

    Jan, 2023

  • 通过具有美学约束的扩散模型实现对齐布局生成

    提出了一种统一模型，用于处理广泛的布局生成任务，包括使用指定属性排列元素和完善粗糙布局设计。该模型基于连续扩散模型，并通过掩码输入引入条件。广泛的实验结果表明，该模型能够产生高质量的布局，并且优于现有的最先进基线。

    Feb, 2024

  • 大型多模式模型的图形设计

    在图形设计领域，自动化地将设计元素整合为一个连贯的多层艺术作品不仅提高了工作效率，还为图形设计的大众化铺平了道路。本文介绍了一种称为 Hierarchical Layout Generation (HLG) 的更灵活和实用的设置，它从无序的设计元素集合中创建图形构图。通过基于大型多模态模型的图形生成模型 Graphist，我们有效地将 HLG 作为一个序列生成问题来解决，并利用 RGB-A 图像作为输入，输出一个 JSON 草稿协议，指示每个元素的坐标、大小和顺序。我们开发了新的 HLG 评估指标，Graphist 在性能上超过了以往的技术，为该领域奠定了坚实的基础。项目主页：[此处为项目主页的链接]

    Apr, 2024

  • 因子图约束下的布局生成

    通过因子图神经网络的消息传递，根据用户需求生成符合要求的户型设计，实现了在空间约束下对象中心化的布局生成。

    Mar, 2024

  • 面向属性的布局生成对抗网络用于自动平面设计

    本文介绍了一种基于属性条件的布局生成方法，并通过用户研究验证了该方法的有效性。

    Sep, 2020

  • LayoutGAN: 使用线框判别器生成图形布局

    通过建立 LayoutGAN 生成对抗网络，用于建模不同类型的 2D 元素之间的几何关系以合成各种现实布局，同时采用自注意力机制和可微分线框图渲染层进行实现。验证实验包括 MNIST 数字生成、文档布局生成、剪纸抽象场景生成和七巧板图形设计。

    Jan, 2019