基于 GAN 的域适应用于广告海报图像感知布局生成
机器学习
2026-04-10 v1 图像与视频处理
摘要
布局在图形设计和海报生成中起关键作用。最近，应用深度学习模型进行布局生成受到广泛关注。本文聚焦于使用基于图像的 GAN 模型生成广告海报图形布局，需配套产品图像和布局的数据集。为解决此任务，我们引入了内容感知图形布局数据集（CGL-Dataset），包含 60,548 组带注释的填充后海报和 121,000 张干净产品图像。填充痕迹在填充后海报和干净图像之间引入了域间差异。为弥合此差距，我们设计了两个基于 GAN 的模型。第一个模型 CGL-GAN 使用对填充区域的高斯模糊来生成布局。第二个模型结合无监督域适应，引入带有像素级判别器（PD）的 GAN，缩写为 PDA-GAN，用于基于输入图像视觉纹理生成图像感知布局。PD 连接到浅层特征图并计算每个输入图像像素的 GAN 损失。此外，我们提出了三个新颖的内容感知指标来评估模型捕捉图形元素与图像内容之间复杂关系的能力。定量和定性评估表明，PDA-GAN 实现了最先进的性能，生成高质量的图像感知布局。
引用
@article{arxiv.2604.07409,
title = {GAN-based Domain Adaptation for Image-aware Layout Generation in Advertising Poster Design},
author = {Chenchen Xu and Min Zhou and Tiezheng Ge and Weiwei Xu},
journal= {arXiv preprint arXiv:2604.07409},
year = {2026}
}
备注
arXiv admin note: text overlap with arXiv:2303.14377