Scan-and-Print：面向海报设计中内容感知布局生成的图块级数据总结与增强
计算机视觉与模式识别
2025-05-28 v1
摘要
在人工智能赋能的海报设计中，内容感知布局生成对于在图像上安排视觉文本元素（如标志、文字和底衬）至关重要。为感知背景图像，现有工作要求极高的参数量，远超可用训练数据的规模，这阻碍了模型的实时性能和泛化能力。为应对这些挑战，我们提出了一种图块级数据总结与增强方法，形象地命名为 Scan-and-Print。具体而言，扫描过程仅选择适合放置元素顶点的图块，以高效执行细粒度感知。然后，打印过程将两个图像-布局对中的图块和顶点进行混合，在每个训练周期合成超过 100% 的新样本，同时保持其合理性。此外，为便于顶点级操作，我们引入了一种基于顶点的布局表示。在广泛使用的基准上的大量实验结果表明，Scan-and-Print 能够生成视觉上吸引人且质量达到最先进水平的布局，同时将计算瓶颈显著降低了 95.2%。
引用
@article{arxiv.2505.20649,
title = {Scan-and-Print: Patch-level Data Summarization and Augmentation for Content-aware Layout Generation in Poster Design},
author = {HsiaoYuan Hsu and Yuxin Peng},
journal= {arXiv preprint arXiv:2505.20649},
year = {2025}
}
备注
Accepted to IJCAI 2025 (AI, Arts and Creativity). Project page is at https://thekinsley.github.io/Scan-and-Print/