LayerD: Het ontbinden van rastergrafische ontwerpen in lagen

LayerD: Decomposing Raster Graphic Designs into Layers

September 29, 2025

Auteurs: Tomoyuki Suzuki, Kang-Jun Liu, Naoto Inoue, Kota Yamaguchi

cs.AI

Samenvatting

Ontwerpers maken en bewerken grafische ontwerpen in een laagrepresentatie, maar laaggedreven bewerking wordt onmogelijk zodra het is samengesteld tot een rasterafbeelding. In dit werk stellen we LayerD voor, een methode om rastergrafische ontwerpen te ontleden in lagen voor een opnieuw bewerkbare creatieve workflow. LayerD behandelt de ontledingstaak door iteratief onbedekte voorgrondlagen te extraheren. We stellen een eenvoudige maar effectieve verfijningsaanpak voor die gebruikmaakt van de aanname dat lagen in grafische ontwerpen vaak een uniform uiterlijk vertonen. Omdat ontleding een slecht gesteld probleem is en de grondwaarheid van de laagstructuur mogelijk niet betrouwbaar is, ontwikkelen we een kwaliteitsmetriek die deze moeilijkheid aanpakt. In experimenten tonen we aan dat LayerD met succes hoogwaardige ontleding bereikt en de referentiemethoden overtreft. We demonstreren ook het gebruik van LayerD met state-of-the-art beeldgeneratoren en laaggedreven bewerking.

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.