WordCraft：基于注意力感知与噪声混合的交互式艺术排版

艺术排版旨在对输入字符进行视觉效果处理，这些效果既具有创造性又具有可读性。传统方法依赖大量手动设计，而近期基于扩散的生成模型已实现自动化字符风格化。然而，现有解决方案在交互性方面仍有限，缺乏对局部编辑、迭代细化、多字符构图以及开放式提示解释的支持。我们引入WordCraft，一个集成扩散模型的交互式艺术排版系统，以解决上述局限性。WordCraft features a training-free regional attention mechanism for precise, multi-region generation and a noise blending that supports continuous refinement without compromising visual quality. 为支持灵活的意图驱动生成，我们引入大语言模型来解析和结构化具体和抽象的用户提示。这些组件使我们的框架能够在单字符和多字符输入之间合成高质量的风格化排版，支持多种语言，涵盖多样化的用户导向工作流程。我们的系统显著提升了艺术排版合成的交互性，为艺术家和设计师开辟了创造可能性。