PosterCopilot: Verso il Ragionamento sul Layout e l'Editing Controllabile per la Grafica Professionale
PosterCopilot: Toward Layout Reasoning and Controllable Editing for Professional Graphic Design
December 3, 2025
Autori: Jiazhe Wei, Ken Li, Tianyu Lao, Haofan Wang, Liang Wang, Caifeng Shan, Chenyang Si
cs.AI
Abstract
La progettazione grafica costituisce la pietra angolare della comunicazione visiva moderna, rappresentando un mezzo vitale per promuovere eventi culturali e commerciali. I recenti progressi hanno esplorato l'automazione di questo processo mediante Large Multimodal Models (LMM), sebbene i metodi esistenti producano spesso layout geometricamente imprecisi e manchino della capacità di modifica iterativa e specifica per layer richiesta nei flussi di lavoro professionali. Per affrontare queste limitazioni, presentiamo PosterCopilot, un framework che avanza il ragionamento sul layout e l'editing controllabile per la progettazione grafica professionale. Nello specifico, introduciamo una strategia di addestramento progressiva a tre fasi che fornisce agli LMM la comprensione geometrica e il ragionamento estetico per il design del layout, composta da: Fine-Tuning Supervisionato con Perturbazione, Apprendimento per Rinforzo per l'Allineamento alla Realtà Visiva e Apprendimento per Rinforzo da Feedback Estetico. Inoltre, sviluppiamo un flusso di lavoro completo che combina il modello di design basato su LMM addestrato con modelli generativi, abilitando un editing iterativo e controllabile a livello di layer per il perfezionamento preciso degli elementi, mantenendo al contempo la coerenza visiva globale. Esperimenti estensivi dimostrano che PosterCopilot raggiunge layout geometricamente accurati ed esteticamente superiori, offrendo una controllabilità senza precedenti per il design iterativo professionale.
English
Graphic design forms the cornerstone of modern visual communication, serving as a vital medium for promoting cultural and commercial events. Recent advances have explored automating this process using Large Multimodal Models (LMMs), yet existing methods often produce geometrically inaccurate layouts and lack the iterative, layer-specific editing required in professional workflows. To address these limitations, we present PosterCopilot, a framework that advances layout reasoning and controllable editing for professional graphic design. Specifically, we introduce a progressive three-stage training strategy that equips LMMs with geometric understanding and aesthetic reasoning for layout design, consisting of Perturbed Supervised Fine-Tuning, Reinforcement Learning for Visual-Reality Alignment, and Reinforcement Learning from Aesthetic Feedback. Furthermore, we develop a complete workflow that couples the trained LMM-based design model with generative models, enabling layer-controllable, iterative editing for precise element refinement while maintaining global visual consistency. Extensive experiments demonstrate that PosterCopilot achieves geometrically accurate and aesthetically superior layouts, offering unprecedented controllability for professional iterative design.