Personnalisation comme planification inverse : Apprentissage des intentions de conception latentes pour la génération agentive de diapositives par débruitage structurel

Résumé

La conception de diapositives nécessite une personnalisation à la fois des thèmes de présentation et des mises en page. Pourtant, les méthodes actuelles basées sur des agents d'IA peinent à réaliser une conception fine au niveau de la page. En se reposant uniquement sur des modèles prédéfinis ou des instructions verbeuses de l'utilisateur, elles échouent à capturer les intentions de conception latentes, laissant ainsi le problème de la Personnalisation des Diapositives au Niveau de la Page (PSP) non résolu. Pour combler cette lacune, ce travail formule la PSP comme un problème de planification inverse. Nous proposons d'apprendre une intention de conception sans supposer aucune connaissance des outils d'exécution spécifiques (par exemple, PowerPoint, Beamer) utilisés. Cependant, renoncer au contrôle sur ces outils rend le problème intraitable à optimiser de bout en bout. Pour surmonter cela, nous proposons SPIRE, un cadre méthodologique pour résoudre approximativement la PSP. En corrompant intentionnellement les structures visuelles de diapositives propres, SPIRE crée une tâche vérifiable de débruitage de la corruption, grâce à laquelle deux agents apprennent à affiner en collaboration des designs exécutables via l'apprentissage par renforcement (RL). Nous présentons une preuve que le débruitage structurel est un substitut cohérent pour la PSP, et que la formulation multi-agent réduit strictement la variance du gradient de politique en RL. Des expériences approfondies démontrent la supériorité 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.