△CreatiDesign能天生各品种型的平面设想图，如影戏海报、品牌促销、产物告白和交际媒体图。
AI固然在文生图范畴已获得了很大的打破，但以往办法在处置图形设想时，要末“偏科”，要末缺少精准的可控性。
而CreatiDesign推出了同一多前提掌握的分散Transformer架构，并配套构建了40万样本的大范围多前提标注数据集，满意实践设想需求。
以往的可控分散模子大多针对单一前提（如仅掌握主体图或仅掌握规划或文本），缺少将多种异质前提（图象、规划、文本等）停止同一交融和协同建模的才能。
即使部门最新模子开端完成了多前提输入金年会金字招牌诚信至上，仍然难以确保每一个子掌握前提可以精准、独登时掌握其对应的图象地区。
开源的图形设想数据集有限。现有的数据集缺少精密化、多前提的标注，难以满意模子对多样性和高质量数据的锻炼需求。
为此，CreatiDesign从模子架构、数据机关等角度动身，提出了体系性的处理计划，旨在赋能分散模子创意平面设想的才能
多主体的图象前提：用户能够一次性输入多个主视觉元素（如产物图、LOGO等），并在空缺画布上随便左右，获得多主体的图象前提。然后将此图象送入原生的VAE停止编码，获得一组主视觉token。这些token能完好保存每一个主体的细粒度视觉特性，为后续天生供给主体束缚。
语义规划前提：每一个帮助元素或文本的语义形貌，先由T5文本编码器转换为语义特性token，空间地位信息（bounding box坐标）则颠末傅立叶变更后，和语义特性拼接，再经由过程MLP进一步交融，终极获得集成了语义和空间信息的规划token。这类方法完成了对规划元素内容和空间排布的两重精准掌握。
全局形貌：用户还能够输入团体的形貌，一样由T5编码为全局形貌token，为全局内容微风格把控供给指点。
终极，一切范例的token（主视觉token、规划token、全局形貌token）被拼接后输入到MM-DiT中。在每层Transformer中，CreatiDesign接纳多模态留意力（MM-Attention）机制，使差别模态的token停止深度交融，从而完成多前提的结合建模和掌握。
Subject Attention Mask：主体token仅与其指定地区内的图象token停止双向交互，且与规划token、全局形貌token及无关地区的图象token完整断绝，确保主体内容高度复原、自力于其他前提。
Layout Attention Mask：每一个规划token仅与其指定地区内的图象token交互，同时阻断规划token之间、规划token与主视觉或全局形貌token之间的交互，避免规划元素之间的语义串扰与差别前提之间的滋扰。
这类显式的掩码机制，使每一个前提都能精准jinnianhui金年会官网、独登时调控对应图象地区，极大提拔了天生成果的分歧性与可控性，包管了多前提庞大设想企图的严厉复原。
主题天生：基于设想枢纽词库，利用LLM（如GPT-4）天生包罗主视觉元素、规划元素和文本内容的多要素设想主题；
文本图层衬着：根据分层规划和谈（HLG），经由过程衬着引擎主动天生带精准排版的文本远景图层（RGBA）；
基于远景的图象天生：鉴戒LayerDiffuse范式金年会金字招牌诚信至上，结合LoRA模块，完成基于文本远景和主题形貌布景的高质量平面设想图象天生;
实体检测与标注：操纵GroundingSAM2检测一切实体（主视觉、帮助粉饰），并经由过程VLM天生细粒度属性形貌，完成全要素多前提的主动标注。
终极，CreatiDesign开源了范围达40万组、具有多前提高质量标注的平面设想样本，为多前提可控模子的锻炼供给数据根底。
在度的评价基准上，CreatiDesign在主体连结度、规划遵照度、文本准确率和图象团体质量等枢纽目标上均获得了抢先的机能。
详细来讲，CreatiDesign在主视觉元素的复原（如DINO-I、M-DINO分数）、帮助元素的空间地位与属性分歧性、文本内容的精确率（Sen.Acc）和编纂间隔（NED），以致图象团体质量（IR、PickScore）等各项评价目标上，在当前支流的多主体图象驱动、规划驱动及多前提驱动的SOTA模子中，位居第一梯队。
从表格中能够看到，CreatiDesign的均匀综合得分高达69.28，比拟根底模子FLUX.1-dev的47.50分，提拔幅度到达45.9%。这一明显提拔仅依靠于根底模子4.1%的分外参数目，高效得提拔了根底模子在图形设想上的才能。
上图中紫色蒙版代表不分歧或地位毛病的主体，白色蒙版代表语义或地位禁绝确的实体，灰色蒙版代表反面谐的布景或远景地区。
可视化成果进一步考证了CreatiDesign在天生成果上的劣势：与以往的多前提或单前提模子比拟，CreatiDesign可以愈加严厉地遵照用户的设想企图，详细体如今主体元素的高度复原、帮助元素及文本的精准规划，和团体画面的调和分歧。
比照图中能够明晰地看到，其他模子经常呈现主体错位、内容缺失、文本毛病等成绩，而CreatiDesign可以精确保存各个输入要素，并完成庞大多元素的和谐排布。
别的，CreatiDesign无需分外锻炼便可撑持多轮编纂：用户可在已有平面设想成果上灵敏插入新文本、新主体，或对文本内容停止修正，模子可以精准编纂指定地区，同时连结非编纂地区的内容稳定。
比拟Gemini2.0等支流大模子在编纂过程当中常呈现的非编纂地区变革、内容漂移等成绩，CreatiDesign展示出更强的编纂灵敏性与连结性。
