Логовая и искусство семантической анимации
tech-stories ai-logo-animation logomotion automatic-logo-animator ai-for-designers ai-motion-design self-refining-code visual-programming ai-code-synthesis

Логовая и искусство семантической анимации

16 июня 2025 г.

Аннотация и 1 введение

2 Связанная работа

2.1 Синтез программы

2.2 Инструменты поддержки творчества для анимации

2.3 Денежные инструменты для проектирования

3 Формирующие шаги

4 Система логовой и 4.1 вход

4.2 Предварительная визуальная информация

4.3 Визуально обоснованный синтез кода

5 Оценки

5.1 Оценка: ремонт программы

5.2 Методология

5.3 Выводы

6 Оценка с новичками

7 Обсуждение и 7.1. Отрываны от шаблонов

7.2 Создание кода вокруг визуальных эффектов

7.3 Ограничения

8 Заключение и ссылки

2.3 Денежные инструменты для проектирования

Генеративные технологии ИИ популяризировали естественный язык как новую форму взаимодействия для создания контента. LLMS [19] показали перспективу в поддержке мозгового штурма [44], сценарию и письменной помощи [29, 59, 61] и чувствительности [55]. Модели текста к изображению [14, 15, 50, 51] показали, что они эффективны в генерации визуальных активов для визуального смешивания [28], новостной иллюстрации [44], Расскармингах [59], дизайну продукта [45], World Building [24] и генерации видео [43]. Генеративные технологии также начали применяться к дизайну движения и анимации [31, 43].

Ближайшая генеративная работа для нашего - это KeyFramer, исследование того, как начинающие и экспертные дизайнеры предпринимают GPT для анимации. Основным выводом является то, что 84% подсказок носили семантический характер - пользователи хотели описать направления высокого уровня, такие как «сделать облака покачиваться» чаще, чем подсказки низкого уровня, такие как изменение непрозрачности. Это ясно показывает, что люди хотят семантически значимых анимаций - движения, которые характеризуют, как этот элемент может двигаться в реальной жизни.

Логовая изучает аналогичную проблему (анимирование цифровых макетов, но в домене логотипа), и мы также используем LLMS для синтеза кода. Тем не менее, мы строим в этом направлении, внедряя трубопровод, который выполняет синтез кода и ремонт программы в визуально. Кейффрамер сгенерированный код анимации без использования визуального контекста из холста и не имел меньшей встроенной поддержки

Figure 2: Animated logo templates do not always adapt easily to a user’s content. When users have to apply make many edits to the template animation and have a limited set of controls, they can easily break the polished look of the template’s animation, which leads to user frustration.

Для группировки и сроков дизайна элементов. Предварительная обработка и понимание изображений, реализованные в логовой, помогают ему придумать сложные концепции дизайна, которые указывают моменты героя для первичного элемента и обрабатывают секвенирование других элементов дизайна (например, синхронизированные вторичные элементы, текстовая анимация). Кроме того, мы сравниваем наш подход с современными базовыми показателями и демонстрируем значительное улучшение в сохранении.

Авторы:

(1) Вивиан Лю, Колумбийский университет (vivian@cs.columbia.edu);

(2) Rubaiat Habib Kazi, Adobe Research (rhabib@adobe.com);

(3) Li-Yi Wei, Adobe Research (lwei@adobe.com);

(4) Мэтью Фишер, Adobe Research (matfishe@adobe.com);

(5) Тимоти Ланглуа, Adobe Research (tlangloi@adobe.com);

(6) Сет Уокер, Adobe Research (swalker@adobe.com);

(7) Лидия Чилтон, Колумбийский университет (chilton@cs.columbia.edu).

Эта статья естьДоступно на ArxivПод CC BY-NC-ND 4.0 Лицензия.

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE