Personalización como Planificación Inversa: Aprendizaje de Intenciones de Diseño Latentes para la Generación Agéntica de Diapositivas mediante Denoising Estructural

Resumen

El diseño de diapositivas requiere personalizar tanto los temas de la presentación como los diseños de página. Sin embargo, los métodos actuales basados en agentes de IA tienen dificultades con un diseño detallado a nivel de página. Al depender únicamente de plantillas predefinidas o instrucciones extensas del usuario, no logran capturar las intenciones de diseño latentes, dejando sin resolver la Personalización de Diapositivas a Nivel de Página (PSP). Para cerrar esta brecha, este trabajo formula la PSP como un problema de planificación inversa. Proponemos aprender una intención de diseño sin asumir ningún conocimiento de las herramientas de ejecución específicas (por ejemplo, PowerPoint, Beamer) que se estén utilizando. Sin embargo, renunciar al control sobre estas herramientas vuelve el problema intratable de optimizar de extremo a extremo. Para superar esto, proponemos SPIRE, un marco teórico para resolver la PSP de manera aproximada. Al corromper intencionalmente las estructuras visuales de diapositivas limpias, SPIRE crea una tarea verificable de eliminar la corrupción, mediante la cual dos agentes aprenden a refinar colaborativamente diseños ejecutables a través del aprendizaje por refuerzo (RL). Presentamos una demostración de que la eliminación de ruido estructural es un sustituto consistente para la PSP, y que la formulación multiagente reduce estrictamente la varianza del gradiente de políticas en RL. Experimentos exhaustivos demuestran la superioridad de 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.