生成式布局智能

人工智能最困难的挑战之一是从“生成图像”转变为“整理文档”。虽然图像生成器（如 Midjourney 或 DALL-E）在像素网格上运行，但 Slide Creator 的布局智能对设计对象的语义图进行操作。

1.“布局漂移”的挑战

传统的“人工智能演示”工具通常将幻灯片视为静态图像或刚性模板。这会导致“布局漂移”，即元素重叠、文本溢出或导出时设计中断。我们的研究重点是弹性布局图——幻灯片的数学表示，其中每个元素“知道”其与其邻居的关系。

2. 预测视觉层次

人眼如何扫描幻灯片？我们的模型经过眼动追踪数据集和专业设计组合的训练，以预测和强化视觉层次结构：

锚定：自动识别幻灯片的“英雄”元素并围绕其排列从属数据。

扫描模式：根据幻灯片的目标（例如，数据表与高级报价）优化“F 模式”或“Z 模式”的布局。

3. 品牌意识约束解决

专业设计就是在界限内工作。我们的研究基于约束的生成设计允许我们的人工智能：

尊重品牌护城河：自动调整布局，使徽标位于“安全区域”，文本远离预定义的图像“禁区”。

动态调整大小：使用我们的 Precision Fidelity Engine™ 在内容增长或收缩时对其进行重排，从而保持空白的完美平衡。

4.黄金比例引擎

我们已将经典设计原则集成到我们的神经网络中。我们的引擎根据黄金比例和三分法则计算每个文本框和形状的最佳位置，确保即使是最复杂的数据密集型幻灯片也能感觉平衡和专业。

5. 正在进行的研究：多幻灯片叙述

我们目前的研发重点是叙事衔接。我们不是一次设计一张幻灯片，而是训练模型来理解整个幻灯片的流程，确保在幻灯片 1 上建立的设计主题在幻灯片 50 中逻辑地演变。

有关如何将这些布局导出到 PowerPoint 的更多信息，请访问我们的OOXML 优化 page.