LayoutFlow: Flow Matching for Layout Generation

寻找一个合适的布局对于图形设计中的各种应用来说都是至关重要的任务。受到更简单、更平滑的采样轨迹的启发，我们探索了使用流匹配作为当前基于扩散的布局生成模型的替代方案。具体来说，我们提出了LayoutFlow，这是一个高效的基于流的模型，能够生成高质量的布局。我们的方法不是逐步去噪声布局的元素，而是学习逐渐移动或流动初始样本的元素，直到达到最终预测。此外，我们采用了一种调节方案，使我们能够使用单个模型处理具有不同程度调节的各种生成任务。经验证明，LayoutFlow的性能与最先进的模型相当，而且速度明显更快。

LayoutFlow论文试图通过Flow Matching解决图形设计中的布局生成问题，并提出了一种新的流动模型。

LayoutFlow使用流动匹配的方法生成高质量的布局，相比当前基于扩散的布局生成模型，LayoutFlow的方法更加简单、平滑且高效。

LayoutFlow的实验结果表明，它的性能与当前最先进的模型相当，但速度更快。此外，LayoutFlow使用一种条件方案，可以处理具有不同程度条件的各种生成任务，而只需要一个模型。

在布局生成领域的相关研究包括：Diffusion-based Layout Generation、Neural Guided Sketch-to-Layout Generation、DeepGestalt、Learning Layouts for Single-Page Graphic Designs等。