arXiv cs.AI· Yitong Wang, Fangyun Wei, Jinjing Zhao, Sirui Zhang, Hongyang Zhang, Dong Chen, Bo Dai, Yan Lu·· 9 天前AI 评分32
从提示词到构图：面向海报生成的空间画布界面 Compo
From Prompting to Composing: A Spatial Canvas Interface for Poster Generation
AI 导读
研究者提出空间画布界面，让用户通过语义、身份、文本、像素四种绑定类型直接在空间中构图，并据此开发了海报生成模型 Compo。Compo 由预训练图像编辑模型适配而来，支持用户显式构建画布的直接推理模式，以及将高层请求自动转化为规划画布的智能体模式。实验显示，Compo 在构图可控性上优于通用图像生成模型和专用海报生成系统，同时保持高视觉质量。
正文 · AI 翻译
摘要：文本提示是一种间接的海报生成接口，要求用户将本质上是二维的构图意图编码为一维的词序列。我们引入了一种空间画布界面，使用户能够通过四种互补的绑定类型直接在空间中构建生成意图：语义、身份、文本和像素，并配合针对单个元素和全局外观的文本规范。基于此界面，我们开发了 Compo，这是一种从预训练图像编辑模型改编而来的海报生成模型，用于理解空间画布输入和文本规范。Compo 支持直接推理（用户显式构建画布）和智能体模式（将高层请求自动转换为规划好的空间画布）。为了训练 Compo，我们开发了一条可扩展的流水线，能够自动为不同绑定类型及其组合构建监督数据，从而无需从头训练专门的海报生成器即可实现高效适配。我们进一步引入了一个基准，用于评估对单个绑定类型及其联合构图的遵循程度。实验表明，Compo 在保持高视觉质量的同时，实现了比通用图像生成模型和专用海报生成系统更强的构图可控性。通过将意图规范与视觉生成解耦，我们的工作将海报生成从提示转向构图。
| 评论： | 项目页面：此 https URL GitHub：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.12230 [cs.CV] |
| （或 arXiv:2610.12230v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12230 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yitong Wang [查看电子邮件]
[v1]
2026年10月8日星期四 16:16:06 UTC（5,094 KB）
来源：arXiv cs.AI · arxiv.org