PRISM：从数据中学习设计知识以实现风格化设计改进
人工智能
2026-01-21 v1
摘要
平面设计通常涉及探索不同的风格方向，这对非专业人士而言可能非常耗时。我们致力于解决基于自然语言指令对设计进行风格化改进的问题。尽管视觉语言模型（VLM）在平面设计领域已展现出初步成功，但其预训练的风格知识通常过于泛化，且与特定领域数据不一致。例如，VLM 可能将极简主义与抽象设计关联，而设计师则强调形状和色彩的选择。我们的核心见解是利用设计数据——一个隐式捕捉设计师原则的真实世界设计集合——来学习设计知识并指导风格化改进。我们提出了 PRISM（先验信息引导的风格化修改），它通过三个阶段构建并应用设计知识库：（1）对高方差设计进行聚类，以捕捉风格内的多样性；（2）将每个聚类总结为可操作的设计知识；（3）在推理过程中检索相关知识，以实现风格感知的改进。在 Crello 数据集上的实验表明，PRISM 在风格对齐方面取得了 1.49 的最高平均排名（越接近 1 越好），优于基线方法。用户研究进一步验证了这些结果，表明 PRISM 始终受到设计师的青睐。
引用
@article{arxiv.2601.11747,
title = {PRISM: Learning Design Knowledge from Data for Stylistic Design Improvement},
author = {Huaxiaoyue Wang and Sunav Choudhary and Franck Dernoncourt and Yu Shen and Stefano Petrangeli},
journal= {arXiv preprint arXiv:2601.11747},
year = {2026}
}