LICA：用于图形设计研究的分层图像构图注释
计算机视觉与模式识别
2026-03-20 v2 人工智能
摘要
我们介绍LICA（Layered Image Composition Annotations，即分层图像构图注释），这是一个包含1,550,244个多层图形设计构图的大规模数据集，旨在促进对图形布局的结构化理解与生成。除了渲染的PNG图像外，LICA 将每个设计表示为由类型化组件组成的分层结构，包括文本、图像、矢量和组元素，每个元素都配有丰富的 per-element 元数据，如空间几何、排版属性、不透明度和可见性。该数据集涵盖20个设计类别和971,850个独特模板，涵盖了真实世界设计结构的广泛范围。我们进一步引入图形设计视频作为当前视觉-语言模型鲜少探索的新挑战，通过27,261个带有每个组件关键帧和运动参数的动画布局进行注释。除了规模，LICA 建立了新的研究范式，使结构化调查问题成为可能，例如图层感知的图像填充、结构化布局生成、受控设计编辑和时序感知的生成建模。通过将设计表示为由构图层及其关系组成的系统，LICA 支持直接在设计结构上运行的模型研究，而不仅仅是像素。
引用
@article{arxiv.2603.16098,
title = {LICA: Layered Image Composition Annotations for Graphic Design Research},
author = {Elad Hirsch and Shubham Yadav and Mohit Garg and Purvanshi Mehta},
journal= {arXiv preprint arXiv:2603.16098},
year = {2026}
}