转自：微软研究院AI头条

论文链接：

https://www.microsoft.com/en-us/research/publication/coarse-to-fine-generative-modeling-for-graphic-layouts/ 

平面布局（graphic layout）在工作和生活中随处可见，如海报的布局、文档的布局、移动应用用户界面的布局等。设计一个美观的平面布局不仅需要过硬的专业知识而且需要花费大量的精力。为了辅助平面布局的设计，平面布局的自动生成（layout generation），即预测布局中各个元素的位置和大小，逐渐受到越来越多的关注。 

现有的大多数模型会将平面布局抽象成一系列的元素，并直接预测每个元素的位置和大小。本文提出将平面布局切割为不同的“区域”（region），其中每个区域都可以看作是一个简单的布局且比整体布局包含更少的元素，并基于此设计了一种层次化的模型。 

具体来说，研究员们将 VAE 中的解码器分解为两个步骤：第一个步骤为预测区域。由于平面布局中没有显式的包含区域的划分，本文设计了一种基于网格线的方法来抽取此步骤中的监督信息。第二个步骤为基于生成的区域，预测区域中每个元素的具体位置和大小。为了使模型能够将区域中元素的预测问题当作一个简单的布局生成问题，此步骤中的所有位置被转成了对于区域的相对位置。

图2：模型架构

大量的定性和定量实验证明，本文提出的方法优于现有方法，其优势在复杂布局生成上尤为突出。表2比较了不同模型的 FID 值，图3则比较了在不同复杂度的布局上各个模型的效果。更多定量和定性结果请参考论文。

表2：模型 FID 值比较

图3：不同复杂度的布局上模型效果比较

内容中包含的图片若涉及版权问题，请及时与我们联系删除