LayerD: Zerlegung von Rastergrafik-Designs in Ebenen
LayerD: Decomposing Raster Graphic Designs into Layers
September 29, 2025
papers.authors: Tomoyuki Suzuki, Kang-Jun Liu, Naoto Inoue, Kota Yamaguchi
cs.AI
papers.abstract
Designer erstellen und bearbeiten Grafikdesigns in einer Ebenendarstellung, doch die bearbeitung auf Ebenenbasis wird unmöglich, sobald das Design in ein Rasterbild kompositiert wurde. In dieser Arbeit schlagen wir LayerD vor, eine Methode zur Zerlegung von Rastergrafikdesigns in Ebenen für einen wieder bearbeitbaren kreativen Workflow. LayerD adressiert die Zerlegungsaufgabe durch die iterative Extraktion von nicht verdeckten Vordergrundebenen. Wir schlagen einen einfachen, aber effektiven Verfeinerungsansatz vor, der die Annahme nutzt, dass Ebenen in Grafikdesigns oft ein einheitliches Erscheinungsbild aufweisen. Da die Zerlegung ein schlecht gestelltes Problem ist und die Ground-Truth-Ebenenstruktur möglicherweise nicht zuverlässig ist, entwickeln wir ein Qualitätsmetrik, das diese Schwierigkeit berücksichtigt. In Experimenten zeigen wir, dass LayerD erfolgreich eine hochwertige Zerlegung erreicht und Baseline-Methoden übertrifft. Wir demonstrieren auch die Anwendung von LayerD mit modernsten Bildgeneratoren und der Bearbeitung auf Ebenenbasis.
English
Designers craft and edit graphic designs in a layer representation, but
layer-based editing becomes impossible once composited into a raster image. In
this work, we propose LayerD, a method to decompose raster graphic designs into
layers for re-editable creative workflow. LayerD addresses the decomposition
task by iteratively extracting unoccluded foreground layers. We propose a
simple yet effective refinement approach taking advantage of the assumption
that layers often exhibit uniform appearance in graphic designs. As
decomposition is ill-posed and the ground-truth layer structure may not be
reliable, we develop a quality metric that addresses the difficulty. In
experiments, we show that LayerD successfully achieves high-quality
decomposition and outperforms baselines. We also demonstrate the use of LayerD
with state-of-the-art image generators and layer-based editing.