ReLayout: 结合关系推理的、基于多模态大语言模型的内容感知布局生成
计算机视觉与模式识别
2025-07-09 v1 机器学习
摘要
内容感知布局旨在在给定画布上恰当地排列设计元素,以有效传达信息。近年来,该任务的趋势是利用大型语言模型(LLM)自动生成布局,并取得了显著性能。然而,现有的基于LLM的方法未能充分解释视觉主题和设计元素之间的空间关系,导致布局生成中出现结构性和多样性问题。为解决此问题,我们引入了ReLayout,这是一种新颖的方法,它利用关系思维链(relation-CoT)从设计概念出发生成更合理且美学上更协调的布局。具体来说,我们通过引入明确的关系定义(如元素之间的区域、显著性和边距)来增强布局标注,旨在将布局分解为更小、结构化且递归的布局,从而能够生成更具结构性的布局。此外,基于这些定义的关系,我们引入了一个布局原型重平衡采样器,该采样器在三个维度上定义布局原型特征并量化不同的布局风格。该采样器解决了原型分布平衡过程中因数据偏差而产生的生成一致性问题。大量的实验结果验证了ReLayout优于基线方法,并且能够生成更具结构性、多样性、更符合人类审美且更具可解释性的布局。
引用
@article{arxiv.2507.05568,
title = {ReLayout: Integrating Relation Reasoning for Content-aware Layout Generation with Multi-modal Large Language Models},
author = {Jiaxu Tian and Xuehui Yu and Yaoxing Wang and Pan Wang and Guangqian Guo and Shan Gao},
journal= {arXiv preprint arXiv:2507.05568},
year = {2025}
}