PosterCopilot：面向专业平面设计的布局推理与可控编辑
计算机视觉与模式识别
2025-12-04 v1
摘要
平面设计是现代视觉传达的基石，是推广文化和商业活动的重要媒介。近期研究探索了使用大型多模态模型（LMMs）自动化这一过程，但现有方法往往产生几何上不准确的布局，且缺乏专业工作流程所需的迭代式、逐图层编辑能力。为解决这些局限，我们提出了PosterCopilot，一个推进专业平面设计布局推理和可控编辑的框架。具体而言，我们引入了一种渐进式三阶段训练策略，使LMMs具备布局设计的几何理解和美学推理能力，包括扰动监督微调、用于视觉-现实对齐的强化学习，以及基于美学反馈的强化学习。此外，我们开发了一个完整的工作流程，将训练好的基于LMM的设计模型与生成模型耦合，实现逐图层可控的迭代编辑，以进行精确的元素细化，同时保持全局视觉一致性。大量实验表明，PosterCopilot实现了几何准确且美学优越的布局，为专业迭代设计提供了前所未有的可控性。
引用
@article{arxiv.2512.04082,
title = {PosterCopilot: Toward Layout Reasoning and Controllable Editing for Professional Graphic Design},
author = {Jiazhe Wei and Ken Li and Tianyu Lao and Haofan Wang and Liang Wang and Caifeng Shan and Chenyang Si},
journal= {arXiv preprint arXiv:2512.04082},
year = {2025}
}
备注
Project page: https://postercopilot.github.io/