论文页面 - 从提示到组合：用于海报生成的空间画布交互界面

来源：https://huggingface.co/papers/2610.12230

摘要

文本提示是一种间接的海报生成交互方式，要求用户将本质上属于二维的构图意图编码为一维的词语序列。我们提出了一种空间画布界面（Spatial Canvas Interface），使用户能够通过四种互补的绑定类型——语义绑定、身份绑定、文本绑定和像素绑定——直接在空间中组合生成意图，并配合针对单个元素和全局外观的文本规格（Text Specifications）。基于该界面，我们开发了 Compo，一个由预训练图像编辑模型适配而来的海报生成模型，能够理解空间画布输入和文本规格。Compo 支持两种模式：直接推理模式，即用户显式构建画布；以及智能体模式，即高层请求被自动转化为规划好的空间画布。为训练 Compo，我们开发了一种可扩展的流程，能够自动为不同绑定类型及其组合构建监督数据，从而高效完成适配，无需从零训练一个专用的海报生成器。我们还提出了一个基准测试，用于评估模型对单个绑定类型以及多种绑定联合组合的遵循程度。实验表明，Compo 在组合可控性方面优于通用图像生成模型和专用海报生成系统，同时保持了高水平的视觉质量。通过将意图表达与视觉生成解耦，我们的工作将海报生成从“提示“推进到了“组合“。

查看 arXiv 页面（https://arxiv.org/abs/2610.12230） 查看 PDF（https://arxiv.org/pdf/2610.12230） 项目页面（https://snowflakewang.github.io/Compo-Page/） GitHub（https://github.com/snowflakewang/Compo） 添加到收藏集（https://huggingface.co/login?next=%2Fpapers%2F2610.12230）

引用本文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.12230 即可从本页面链接。

引用本文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.12230 即可从本页面链接。

引用本文的 Space 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.12230 即可从本页面链接。

包含本文的收藏集 0

暂无收藏集包含本文

将本文添加到收藏集（https://huggingface.co/new-collection）即可从本页面链接。