关于设计合成的探索
计算机视觉与模式识别
2026-04-20 v2
摘要
平面设计创建涉及将来自不同来源的多模态组件（如图像、文本、标志及其他视觉资产）和谐地组合成视觉上令人愉悦且一致的设计。近期方法主要聚焦于布局预测或补充元素生成，同时保留输入元素完全，隐含地假设提供的组件已具备风格和谐性。实际情况下，输入常来自不同来源并呈现视觉不匹配，这一假设限制了方法的实用性。我们认为，保持身份的风格化与组件合成是 truly和谐组件到设计管道中缺失的关键要素。为此，我们提出了 GIST（training-free、identity-preserving image compositor），它位于布局预测与排版生成之间，可无缝集成到任何现有的组件到设计或设计细化管道中。我们通过将 GIST 与 LaDeCo 与 Design-o-meter 两种截然不同的现有方法集成来进行演示。GIST 在两个管道中均显著提升了视觉和谐性与审美质量，经 LLaVA-OV 与 GPT-4V 验证，其在整体评分和成对偏好方面均优于简单粘贴。项目页面: abhinav-mahajan10.github.io/GIST/。
引用
@article{arxiv.2604.14605,
title = {Towards Design Compositing},
author = {Abhinav Mahajan and Abhikhya Tripathy and Sudeeksha Reddy Pala and Vaibhav Methi and K J Joseph and Balaji Vasan Srinivasan},
journal= {arXiv preprint arXiv:2604.14605},
year = {2026}
}
备注
Accepted to CVEU workshop at CVPR 2026