कल्पना कीजिए कि आप एक घर बनाने की कोशिश कर रहे हैं, लेकिन ईंटों को एक-एक करके रखने के बजाय, आप एक रोबोट से दीवार पर घर की एक एकल, सपाट तस्वीर स्प्रे-पेंट करवाते हैं। यह एक घर जैसा दिखता है, निश्चित रूप से, लेकिन यदि आप सामने का दरवाजा बदलना चाहते हैं या छत का रंग बदलना चाहते हैं, तो आप ऐसा नहीं कर सकते। आपको पूरी चीज़ को खुरच कर हटाना होगा और फिर से शुरू करना होगा। यह बिल्कुल वही समस्या है जो वर्तमान में अधिकांश AI उपकरण ग्राफिक डिज़ाइन बनाने के लिए करते हैं। वे सब कुछ एक एकल, सपाट छवि में "बेक" (bake) कर देते हैं। यदि आप टेक्स्ट बदलना चाहते हैं या लोगो को हिलाना चाहते हैं, तो AI अक्सर तस्वीर को खराब कर देता है या वह ऐसा कर ही नहीं पाता।

समाधान को समझने के लिए, ग्राफिक डिज़ाइन को एक पेंटिंग के रूप में नहीं, बल्कि एक रेसिपी या निर्देशों के सेट के रूप में सोचें। एक वास्तविक डिज़ाइनर लेयर्स (परतों) में काम करता है: एक बैकग्राउंड लेयर, एक टेक्स्ट लेयर, एक फोटो लेयर, इत्यादि। प्रत्येक लेयर अलग होती है और उन्हें दूसरों को खराब किए बिना बदला जा सकता है। हम जिस पेपर को देख रहे हैं वह इस चुनौती से निपटता है कि AI को केवल अंतिम चित्र बनाने के बजाय ये "रेसिपी" (जिन्हें डिज़ाइन प्रोग्राम कहा जाता है) लिखना सिखाया जाए। यह सवाल उठाता है: क्या हम एक ऐसा AI बना सकते हैं जो केवल एक स्थिर छवि न उगल दे, बल्कि एक ऐसा डिज़ाइन बनाए जहाँ उसका हर एक हिस्सा—हर अक्षर, हर फोटो, हर रंग—पूरी तरह से संपादन योग्य (editable) रहे, ठीक वैसे ही जैसे एक पेशेवर डिज़ाइनर इसे बनाता है?

पेपर का बड़ा विचार: "रेसिपी" रोबोट

इस पेपर के पीछे के शोधकर्ताओं ने, जो यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी ऑफ चाइना और अन्य संस्थानों से हैं, एक नया ओपन फ्रेमवर्क बनाया है जिसे CreatiPoster कहा जाता है। उनका मुख्य निष्कर्ष यह है कि ग्राफिक डिज़ाइन को "संपादन योग्य डिज़ाइन प्रोग्राम सिंथेसिस" (editable design program synthesis) के रूप में मानकर, वे ऐसे पोस्टर बना सकते हैं जो न केवल सुंदर हैं बल्कि पूरी तरह से संपादन योग्य भी हैं। अन्य सिस्टमों के विपरीत जो केवल यह अनुमान लगाते हैं कि अंतिम तस्वीर कैसी दिखनी चाहिए, CreatiPoster एक JSON फ़ाइल (एक प्रकार का कंप्यूटर कोड) लिखता है जो डिज़ाइन की प्रत्येक परत को सूचीबद्ध करता है, जिससे कंप्यूटर को ठीक-ठीक बताया जाता है कि टेक्स्ट कहाँ रखना है, इमेज कितनी बड़ी होनी चाहिए, और किस स्टाइल का उपयोग करना है।

यहाँ उनका "दो-चरणीय" (two-stage) जादू कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:

चरण 1: आर्किटेक्ट (प्रोटोकॉल जनरेटर)
सबसे पहले, AI एक आर्किटेक्ट की तरह कार्य करता है। आप इसे एक प्रॉम्प्ट देते हैं (जैसे "साइंस फेयर के लिए एक पोस्टर बनाएं"), शायद कुछ फोटो जिन्हें आप शामिल करना चाहते हैं, और कैनवास का आकार। पोस्टर बनाने के बजाय, आर्किटेक्ट एक विस्तृत JSON "प्रोटोकॉल" लिखता है। यह प्रोटोकॉल प्रत्येक तत्व के लिए निर्देशों की एक सूची है: "'Science' शब्द यहाँ बोल्ड नीले रंग में रखें," "इस बीकर की फोटो यहाँ रखें, थोड़ा घुमाकर," और "यहाँ बैकग्राउंड कैप्शन रखें।" महत्वपूर्ण बात यह है कि यह चरण कोई भी बैकग्राउंड बनाने से पहले होता है। यह सुनिश्चित करता है कि आपका टेक्स्ट सही ढंग से स्पेल किया गया है और आपकी तस्वीरें ठीक वहीं हैं जहाँ आप उन्हें चाहते हैं, बिना किसी धुंधलेपन या विरूपण के।

चरण 2: डेकोरेटर (बैकग्राउंड सिंथेसाइज़र)
एक बार जब आर्किटेक्ट ने एक स्पष्ट, अदृश्य कैनवास पर सभी टेक्स्ट और फोटो रख दिए होते हैं, तो दूसरा AI काम संभाल लेता है। यह डेकोरेटर है। इसका एकमात्र काम उन वस्तुओं को देखना है जिन्हें आर्किटेक्ट ने पहले ही रख दिया है और उनके चारों ओर एक सुंदर बैकग्राउंड पेंट करना है। क्योंकि टेक्स्ट और फोटो पहले से ही वहां मौजूद हैं और सुरक्षित हैं, डेकोरेटर गलती से उन पर पेंट नहीं कर सकता या स्पेलिंग खराब नहीं कर सकता। यह बस खाली जगह को रंगों और पैटर्न से भर देता है जो डिज़ाइन के मिजाज (vibe) से मेल खाते हों।

उन्होंने क्या पाया और किसे खारिज किया

यह पेपर स्पष्ट रूप रूप से इस विचार का विरोध करता है कि अच्छे डिज़ाइन बनाने के लिए हमें पहले से बने टेम्पलेट्स के विशाल पुस्तकालयों (जैसे कि Canva या Adobe जैसे व्यावसायिक टूल द्वारा उपयोग किए जाने वाले) की आवश्यकता है। उनका सुझाव है कि टेम्पलेट्स पर निर्भर रहने से रचनात्मकता सीमित हो जाती है और अपनी विशिष्ट संपत्तियों (assets) का उपयोग करना कठिन हो जाता है। इसके बजाय, CreatiческиPoster डेटा से अच्छे डिज़ाइन के "नियम" सीखता है, जिससे यह टेम्पलेट लाइब्रेरी की आवश्यकता के बिना अद्वितीय लेआउट बना सकता है।

जब उन्होंने अपने सिस्टम का परीक्षण किया, तो उन्होंने पाया कि यह कई प्रमुख क्षेत्रों में दोनों ओपन-सोर्स AI टूल्स और प्रमुख व्यावसायिक सिस्टमों (जैसे Microsoft Designer और Canva Magic Design) से बेहतर प्रदर्शन करता है।

• टेक्स्ट सटीकता (Text Accuracy): AI ने शब्दों को सही ढंग से लिखा और फोंट को पठनीय रखा, जो अन्य इमेज-जेनरेटिंग AI के लिए एक सामान्य विफलता बिंदु है।
• एसेट फिडेलिटी (Asset Fidelity): यदि आपने अपने कुत्ते की फोटो अपलोड की थी, तो AI ने कुत्ते को आपका कुत्ता ही रखा, न कि कोई सामान्य कुत्ता।
• संपादन क्षमता (Editability): यह सबसे बड़ी जीत है। क्योंकि आउटपुट "लेयर्स का एक प्रोग्राम" है, आप बाद में जाकर टेक्स्ट बदल सकते हैं, फोटो बदल सकते हैं, या पूरी चीज़ का आकार बदल सकते हैं, और डिज़ाइन एकदम सही रहता है। अन्य सिस्टम एक "बेक" की गई छवि बनाते हैं जहाँ आप बनने के बाद वास्तव में कुछ भी संपादित नहीं कर सकते।

वे कितने आश्वस्त हैं?

शोधकर्ता अपने नए बेंचमार्क परीक्षणों के आधार पर इन परिणामों को लेकर काफी आश्वस्त हैं। उन्होंने अपने सिस्टम का मूल्यांकन 45 "प्रॉम्प्ट-ओनली" मामलों और 45 मामलों में किया जहाँ उपयोगकर्ताओं ने एसेट्स प्रदान किए थे। उन्होंने लेआउट, रंग, शैली और निर्देशों का पालन करने की क्षमता पर रेटिंग देने के लिए ऑटोमेटेड स्कोरिंग (GPT-4.1 के माध्यम से) और मानव स्वयंसेवकों दोनों का उपयोग किया।

इन परीक्षणों में, CreatiPoster ने लगभग हर श्रेणी में प्रतिस्पर्धा से अधिक अंक प्राप्त किए, विशेष रूप से "ग्राफिक स्टाइल" और "अनुपालन" (निर्देशों का पालन करना) में। हालाँकि, पेपर उनकी सीमाओं के बारे में ईमानदार है। वे नोट करते हैं कि जटिल लेआउट के लिए किसी भी AI के लिए "लेआउट" अभी भी सबसे कठिन हिस्सा है; यहाँ तक कि उनके सबसे अच्छे सिस्टम ने भी जटिल रचनाओं के लिए 5 में से 3.0 से ऊपर स्कोर नहीं किया, जो बताता है कि बहुत जटिल संरचनाओं के लिए AI और मानव डिज़ाइनरों के बीच अभी भी एक अंतर है। उन्होंने कुछ आवर्ती गड़बड़ियों को भी देखा, जैसे छोटे आइकन का विकृत होना या टेक्स्ट का कभी-कभी छवियों के साथ ठीक से संरेखित न होना, जिसे वे स्वीकार करते हैं कि इस पर और काम करने की आवश्यकता है।

यह क्यों महत्वपूर्ण है

इस खोज का सबसे शानदार हिस्सा वह है जो यह अनलॉक करता है। क्योंकि डिज़ाइन निर्देशों का एक सेट है न कि एक सपाट चित्र, यह सिस्टम उन चीजों को कर सकता है जो आमतौर पर AI के लिए असंभव होती हैं:

• री-लेआउट (Re-layout): आप एक फोन स्क्रीन के लिए डिज़ाइन किया गया पोस्टर ले सकते हैं और AI से कह सकते कि "इसे बिलबोर्ड के लिए रीसाइज करें," और यह टेक्स्ट को तोड़े बिना लेयर्स को पूरी तरह से पुनर्व्यवस्थित कर देगा।
• बहुभाषी (Multilingual): यह एक डिज़ाइन ले सकता है और लेआउट को बरकरार रखते हुए टेक्स्ट को फ्रेंच, जापानी या अरबी में बदल सकता है।
• एनिमेशन (Animation): चूंकि लेयर्स अलग-अलग हैं, इसलिए आप स्थिर पोस्टर को लेयर्स को इधर-उधर घुमाकर आसानी से एक एनिमेटेड वीडियो में बदल सकते हैं।

संक्षेप में, CreatiPoster यह सुझाव देता है कि AI डिज़ाइन का भविष्य एक एकल, पूर्ण छवि उत्पन्न करने के बारे में नहीं है जिसे आप छू भी नहीं सकते। यह एक लचीले, संपादन योग्य "प्रोग्राम" को उत्पन्न करने के बारे में है जो आपको पूर्ण नियंत्रण देता है, जिससे पेशेवर स्तर का ग्राफिक डिज़ाइन उन सभी के लिए सुलभ हो जाता है जो केवल एक प्रॉम्प्ट टाइप कर सकते हैं।