Personalisierung als inverses Planen: Erlernen latenter Designabsichten für agentische Folien-Generierung durch strukturelles Denoising

Zusammenfassung

Folienentwurf erfordert die Personalisierung sowohl von Präsentationsdesigns als auch von Seitenlayouts. Doch aktuelle KI-Agenten-basierte Methoden haben Schwierigkeiten mit detailliertem, seitenebenen Design. Sie verlassen sich ausschließlich auf vorgegebene Vorlagen oder ausführliche Benutzeranweisungen und sind daher nicht in der Lage, latente Designabsichten zu erfassen, sodass die Personalisierung von Folien auf Seitenebene (Page-level Slide Personalization, PSP) ungelöst bleibt. Um diese Lücke zu schließen, wird in dieser Arbeit PSP als inverses Planungsproblem formuliert. Wir schlagen vor, eine Designabsicht zu lernen, ohne Kenntnis der verwendeten spezifischen Ausführungswerkzeuge (z. B. PowerPoint, Beamer) vorauszusetzen. Allerdings macht der Verzicht auf die Kontrolle über diese Werkzeuge das Problem der End-to-End-Optimierung unlösbar. Um dies zu überwinden, schlagen wir SPIRE vor, ein prinzipienbasiertes Framework zur approximativen Lösung von PSP. Durch absichtliches Verfälschen der visuellen Strukturen sauberer Folien schafft SPIRE eine überprüfbare Aufgabe, die Verfälschung zu bereinigen, wobei zwei Agenten lernen, ausführbare Designs durch Verstärkungslernen (RL) kollaborativ zu verfeinern. Wir präsentieren einen Beweis, dass strukturelle Entrauschung ein konsistentes Ersatzproblem für PSP darstellt und dass die Multi-Agenten-Formulierung die Policy-Gradient-Varianz im RL strikt reduziert. Umfangreiche Experimente belegen die Überlegenheit von SPIRE.

English

Slide design requires personalizing both deck themes and page layouts. Yet, current AI agent-based methods struggle with fine-grained, page-level design. Solely relying on prespecified templates or user verbose instructions, they fail to capture latent design intents, leaving Page-level Slide Personalization (PSP) unresolved. To close this gap, this work formulates PSP as an inverse planning problem. We propose to learn a design intent without assuming any knowledge of the specific executing tools (e.g., PowerPoint, Beamer) being used. However, relinquishing control over these tools makes the problem intractable to optimize end-to-end. To overcome this, we propose SPIRE, a principled framework to solve PSP approximately. By intentionally corrupting the visual structures of clean slides, SPIRE creates a verifiable task to denoise the corruption, whereby two agents learn to collaboratively refine executable designs via reinforcement learning (RL). We present a proof that structural denoising is a consistent surrogate for PSP, and that the multi-agent formulation strictly reduces policy gradient variance in RL. Extensive experiments demonstrate the superiority of SPIRE.