Buchumschlag

From Pixels to Policies: Reinforcing Spatial Reasoning in Language Models for Content-Aware Layout Design

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Sha, Petrangeli, Stefano, Shen, Yu, Chen, Xiang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language Graphics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLMs as Layout Designers: Enhanced Spatial Reasoning for Content-Aware Layout Generation
von: Li, Sha, et al.
Veröffentlicht: (2025)

Proc3D: Procedural 3D Generation and Parametric Editing of 3D Shapes with Large Language Models
von: Raji, Fadlullah, et al.
Veröffentlicht: (2026)

From Words to Worlds: Transforming One-line Prompt into Immersive Multi-modal Digital Stories with Communicative LLM Agent
von: Sohn, Samuel S., et al.
Veröffentlicht: (2024)

3D-PreMise: Can Large Language Models Generate 3D Shapes with Sharp Features and Parametric Control?
von: Yuan, Zeqing, et al.
Veröffentlicht: (2024)

Cutscene Agent: An LLM Agent Framework for Automated 3D Cutscene Generation
von: He, Lanshan, et al.
Veröffentlicht: (2026)

QQJ: Quantifying Qualitative Judgment for Scalable and Human-Aligned Evaluation of Generative AI
von: Veysi, Marjan, et al.
Veröffentlicht: (2026)

Narrative-to-Scene Generation: An LLM-Driven Pipeline for 2D Game Environments
von: Chen, Yi-Chun, et al.
Veröffentlicht: (2025)

DecoMind: A Generative AI System for Personalized Interior Design Layouts
von: Alshehri, Reema, et al.
Veröffentlicht: (2025)

Harnessing Adaptive Topology Representations for Zero-Shot Graph Question Answering
von: Wei, Yanbin, et al.
Veröffentlicht: (2025)

SuperPADL: Scaling Language-Directed Physics-Based Control with Progressive Supervised Distillation
von: Juravsky, Jordan, et al.
Veröffentlicht: (2024)

PixelMan: Consistent Object Editing with Diffusion Models via Pixel Manipulation and Generation
von: Jiang, Liyao, et al.
Veröffentlicht: (2024)

Towards Understanding Graphical Perception in Large Multimodal Models
von: Zhang, Kai, et al.
Veröffentlicht: (2025)

Modern Information Technologies in Scientific Research and Educational Activities
von: Malakhov, Kyrylo, et al.
Veröffentlicht: (2024)

Layout-Corrector: Alleviating Layout Sticking Phenomenon in Discrete Diffusion Model
von: Iwai, Shoma, et al.
Veröffentlicht: (2024)

Grounding Language in Multi-Perspective Referential Communication
von: Tang, Zineng, et al.
Veröffentlicht: (2024)

A Platform for Interactive AI Character Experiences
von: Wampfler, Rafael, et al.
Veröffentlicht: (2026)

Co-Layout: LLM-driven Co-optimization for Interior Layout
von: Xiang, Chucheng, et al.
Veröffentlicht: (2025)

DynamicGTR: Leveraging Graph Topology Representation Preferences to Boost VLM Capabilities on Graph QAs
von: Wei, Yanbin, et al.
Veröffentlicht: (2026)

LAYOUTDREAMER: Physics-guided Layout for Text-to-3D Compositional Scene Generation
von: Zhou, Yang, et al.
Veröffentlicht: (2025)

StyleMotif: Multi-Modal Motion Stylization using Style-Content Cross Fusion
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

Causal Reasoning Elicits Controllable 3D Scene Generation
von: Chen, Shen, et al.
Veröffentlicht: (2025)

JoyAI-Image: Awaking Spatial Intelligence in Unified Multimodal Understanding and Generation
von: Song, Lin, et al.
Veröffentlicht: (2026)

Image Generation Models: A Technical History
von: Shirvani, Rouzbeh
Veröffentlicht: (2026)

DreamCraft: Text-Guided Generation of Functional 3D Environments in Minecraft
von: Earle, Sam, et al.
Veröffentlicht: (2024)

VisionGPT-3D: A Generalized Multimodal Agent for Enhanced 3D Vision Understanding
von: Kelly, Chris, et al.
Veröffentlicht: (2024)

A Solver-Aided Hierarchical Language for LLM-Driven CAD Design
von: Jones, Benjamin T., et al.
Veröffentlicht: (2025)

CAD-GPT: Synthesising CAD Construction Sequence with Spatial Reasoning-Enhanced Multimodal LLMs
von: Wang, Siyu, et al.
Veröffentlicht: (2024)

PediatricsMQA: a Multi-modal Pediatrics Question Answering Benchmark
von: Bahaj, Adil, et al.
Veröffentlicht: (2025)

Agentic Design of Compositional Machines
von: Zhang, Wenqian, et al.
Veröffentlicht: (2025)

Multi-LoRA Composition for Image Generation
von: Zhong, Ming, et al.
Veröffentlicht: (2024)

MAPWise: Evaluating Vision-Language Models for Advanced Map Queries
von: Mukhopadhyay, Srija, et al.
Veröffentlicht: (2024)

CADgpt: Harnessing Natural Language Processing for 3D Modelling to Enhance Computer-Aided Design Workflows
von: Kapsalis, Timo
Veröffentlicht: (2024)

NeuSDFusion: A Spatial-Aware Generative Model for 3D Shape Completion, Reconstruction, and Generation
von: Cui, Ruikai, et al.
Veröffentlicht: (2024)

Text-guided Controllable Mesh Refinement for Interactive 3D Modeling
von: Chen, Yun-Chun, et al.
Veröffentlicht: (2024)

SAT: Dynamic Spatial Aptitude Training for Multimodal Language Models
von: Ray, Arijit, et al.
Veröffentlicht: (2024)

SpringTime: Learning Simulatable Models of Cloth with Spatially-varying Constitutive Properties
von: Chen, Guanxiong, et al.
Veröffentlicht: (2025)

Generating Traffic Scenarios via In-Context Learning to Learn Better Motion Planner
von: Aiersilan, Aizierjiang
Veröffentlicht: (2024)

Empowering Children to Create AI-Enabled Augmented Reality Experiences
von: Zhang, Lei, et al.
Veröffentlicht: (2025)

Multimodal Cinematic Video Synthesis Using Text-to-Image and Audio Generation Models
von: S, Sridhar, et al.
Veröffentlicht: (2025)

Stylus: Automatic Adapter Selection for Diffusion Models
von: Luo, Michael, et al.
Veröffentlicht: (2024)