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。
文章概述了AI驱动的图形设计(AIGD)的研究进展。根据行业预测，生成式AI在图形设计领域到2030年可能为全球经济贡献超过8万亿美元。AIGD的学术演变分为两个阶段：早期专注于分解设计任务为原子组件（如排版生成、布局优化和调色板推荐），使用专门模型处理独立子任务；近期突破则转向整体创意系统，通过大型语言模型和多模态方法实现从人类指令到最终作品的美学一致性。
非文本对象识别在光栅图像中依赖多模态语言模型增强处理能力，而SVG识别则采用基于图神经网络的层次抽象方法。传统方法使用基于规则的图匹配技术，但现代学习模型显著提升了矢量图形的解析精度。
光学字符识别(OCR)分为文本检测与内容识别：检测算法包括基于回归和分割的方法，识别则针对规则与不规则文本优化特征提取。字体识别通过深度学习区分细微设计差异，克服人工特征在噪声环境和多字体场景的局限性。
布局由视觉元素的类型与位置属性定义。传统方法依赖手工特征（如间距和字体样式），而神经网络模型通过Transformer编码低维连续表示，有效提升文档结构分析的语义整合能力。
美学评估从手工颜色指标转向深度学习驱动的上下文感知系统。调色板推荐早期依赖社区生成算法，现代方法则利用变分自编码器动态适配信息可视化需求，同时结合个性化因素优化情感共鸣评估。
SVG生成将矢量图形编码为参数曲线序列，通过序列到序列模型实现。可微渲染器技术突破矢量数据集限制，结合文本到图像扩散模型优化路径表示，减少锯齿和交叉问题。艺术家图像的矢量化则依赖超像素分解与数学算法优化边界拟合。
艺术排版生成包括字体风格迁移和语义融合：生成对抗网络实现少样本字体合成，扩散模型处理内容与样式条件生成。视觉文本渲染聚焦多语言场景，利用字符感知模型提升准确性，但数据稀缺限制非英语语种表现。
自动布局生成分为内容无关与内容感知两类。前者采用变分自编码器和扩散模型处理几何参数；后者整合视觉与文本特征，通过检测Transformer增强上下文相关性。布局即代码方法利用大语言模型将描述转换为结构化表示（如HTML/CSS），提升规划能力。
图像着色技术通过涂鸦、参考图像或文本描述引导灰度转换。规则系统与颜色传播结合卷积神经网络学习直接映射；扩散模型整合预训练语义理解，实现更细腻的色彩协调输出。
现存挑战集中在三方面：用户意图理解不足导致语义脱节，可解释性缺失阻碍设计决策溯源，多层编辑中元素独立性难以维持。未来需开发统一端到端模型，整合多模态意图理解、高质量元素生成和知识增强的布局推理。子方向包括设计专用编码器、交互式协作系统，以及基于矢量的结构化表示优化。