Uni-Layout：融合人类反馈的统一布局生成与评估
计算机视觉与模式识别
2025-08-05 v1 信息检索
机器学习
摘要
布局生成在提升用户体验和设计效率方面发挥着关键作用。然而，当前方法存在任务特定的生成能力和感知对齐的评估指标问题，导致适用性受限且测量效果不佳。本文提出了 \textit{Uni-Layout}，一个实现统一生成、仿人类评估以及二者对齐的新型框架。为实现通用生成，我们将各种布局任务整合到单一分类体系中，开发统一生成器，通过自然语言提示处理背景或元素内容受限任务。为引入有效的布局评估的人类反馈，我们构建了 \textit{Layout-HF100k}——第一个大规模人类反馈数据集，包含 100,000 个专家标注的布局。基于 \textit{Layout-HF100k}，我们引入仿人类评估器，集成视觉与几何信息，采用链式思维（Chain-of-Thought）机制进行定性评估，同时引入置信度估计模块以提供定量测量。为实现生成器与评估器之间的更好对齐，我们采用动态边际偏好优化（Dynamic-Margin Preference Optimization, DMPO），根据偏好强度动态调整边际，以更好地对齐人类判断。大量实验表明，\textit{Uni-Layout} 在显著优于任务特定方法和通用方法的情况下表现卓越。我们的代码已公开于 https://github.com/JD-GenX/Uni-Layout。
关键词
引用
@article{arxiv.2508.02374,
title = {Uni-Layout: Integrating Human Feedback in Unified Layout Generation and Evaluation},
author = {Shuo Lu and Yanyin Chen and Wei Feng and Jiahao Fan and Fengheng Li and Zheng Zhang and Jingjing Lv and Junjie Shen and Ching Law and Jian Liang},
journal= {arXiv preprint arXiv:2508.02374},
year = {2025}
}
备注
Accepted to ACM MM 2025