美术设计

AIGD: AI驱动的图形设计综述

AI图形设计 多模态学习 布局生成 文章全面综述了AI驱动的图形设计(AIGD)领域的进展，重点关注AI技术在支持设计解释和增强创意过程中的应用。文章将领域分为两个主要方向：感知任务（涉及理解和分析设计元素）和生成任务（专注于创建新设计元素和布局）。综述覆盖了视觉元素感知与生成、美学与语义理解、布局分析与生成等多个子任务，并强调大型语言模型和多模态方法在连接局部视觉特征与全局设计意图中的作用。尽管进展显著，但挑战仍存，包括理解人类意图、确保可解释性和维持对多层组合的控制。本综述为研究人员提供了AIGD当前状态和未来潜在方向的指南。

查看论文

游戏图形资源生成工具实证指南

生成工具 游戏设计 用户偏好 文章通过用户研究探讨游戏设计师和开发者对图形资源生成工具的偏好。研究发现，参与者普遍偏好在早期设计阶段使用生成工具（平均偏好值>0.67，p<0.001），倾向于生成大量低质量资源变体（平均偏好值0.17，1代表高质量，p<0.001），并强烈要求工具与现有开发环境集成（平均偏好值0.78，p<0.001）以及输出通用数据格式（平均评分3.5/5，p=0.004）。基于这些发现，文章提出了一套设计指南，旨在帮助开发者创建更符合用户需求的图形资源生成工具。

查看论文

SADM框架：AI驱动的动态海报设计方法

生成式AI 设计方法论 人机协作 文章提出了协同AI驱动的动态海报设计方法（SADM），旨在解决生成式AI在设计领域应用中的流程碎片化、理论缺失和协作不平衡问题。SADM通过五阶段工作流（概念探索、多模态资产生成、动态编排、生成迭代和智能部署）重构人机协作模式，将设计师角色从技术执行者提升为战略指导者。案例研究表明，该方法能将项目周期缩短70%，创意方案多样性提升300%以上，同时显著提高设计产出的质量和主题相关性。研究为AI时代的设计教育和行业实践提供了系统性框架。

查看论文

Sketch2Cinemagraph: 草图引导的景观动态图合成

动态图合成 扩散模型 草图交互 文章提出了一种基于草图引导的景观动态图合成框架Sketch2Cinemagraph，通过结合结构草图和运动草图实现动态元素的精确控制。该框架采用潜在扩散模型生成风格化景观图像，并引入潜在运动扩散模型（LMDM）预测流体运动场。实验表明，相比传统文本或箭头提示方法，该框架能生成更具表现力和连续性的流体运动，支持多区域独立控制。定量评估显示，生成结果在PSNR（21.40）、MS-SSIM（0.84）等指标上优于基线方法，用户调研中90%参与者认为其运动质量更优。

查看论文