Harmonious Textual Layout Generation Over Natural Images via Deep Aesthetics Learning

发表信息

收录于：IEEE Transactions on Multimedia

0 介绍 Introduction

过去对于问题的Solutions：

• Text to Viz : 有许多参数需要针对文本布局和大小选择进行调整

• Content-aware generative modeling of graphic design layouts : 需要大量的数据，在视觉设计领域收集和标记高质量的数据是昂贵的。

以前的：强调图像元素与文本的排列关系。

但其实图像上的文本问题存在更多约束。

约束：1. 背景图像上的元素关系几乎不会改变。2. 对于图像上元素的标注十分昂贵。3. 因为主观性，所以评判排版结果。

我们的工作：

• 显著性感知文本区域建议

  视觉感知原则下，考虑了：文本位置，文本大小，图像内容。

• 基于美学的文本布局选择

  • 用深度学习模型提取不同文本区域的显著性特征和组成特征

  • 构造了TLA数据集，包含了图像的密集注释

主要贡献：

1. 显著性文本感知方案。

2. 基于美学的深度评分网络→感知候选文本区域之间的视觉差异。

3. 提出合理的评估方案用于检验TLA数据集方法的有效性。

1 相关工作 Related

三个相关方面：自动图形设计，显著性检测，图像美学评估

2 方法 Methods

3 实验 Experiments

4 结论 Conclusions