LICA: Layered Image Composition Annotations for Graphic Design Research

Resumo Técnico: LICA (Layered Image Composition Annotations)

1. O Problema

O design gráfico é uma disciplina estruturada e orientada por restrições, onde elementos discretos (texto, imagens, formas) são compostos seguindo regras explícitas de hierarquia tipográfica, layout espacial e identidade de marca.

• Limitações dos Dados Existentes: Os conjuntos de dados atuais (como Magazine, CGL-Dataset, PKU-PosterLayout e Crello) tratam o design gráfico como um problema estático e de imagem única (rasterizada). Eles geralmente fornecem apenas caixas delimitadoras (bounding boxes) grosseiras, descartando informações hierárquicas, estilísticas detalhadas e a estrutura de camadas.
• Ausência de Temporalidade: Nenhum conjunto de dados existente codifica estrutura temporal, parâmetros de animação ou comportamento de layout impulsionado por movimento, apesar de o conteúdo de design moderno (stories, anúncios, vídeos curtos) ser predominantemente animado.
• Falta de Controle Estruturado: Modelos de IA atuais tendem a gerar pixels, sem compreender a estrutura subjacente do design, o que dificulta a edição controlada, a consistência de estilo e a geração de layouts editáveis.

2. Metodologia e Estrutura do Dataset

O LICA (Layered Image Composition Annotations) foi desenvolvido para superar essas limitações, oferecendo uma representação de design baseada em uma hierarquia de componentes editáveis, semelhante à estrutura de ferramentas profissionais (como HTML/CSS ou camadas de software de design).

• Escala e Cobertura:

  • Total: 1.550.244 composições gráficas.
  • Componentes: Mais de 24,6 milhões de elementos individuais anotados (média de ~16 componentes por layout).
  • Categorias: 20 categorias de design distintas (ex: posts de Instagram, apresentações, cartões de visita, infográficos).
  • Variações: 971.850 templates únicos, com 107.728 templates contendo múltiplas variações de layout (até 24 variações por template), permitindo o estudo de consistência de estilo.

• Tipos de Componentes e Metadados:
  Cada layout é uma hierarquia ordenada de quatro tipos principais de componentes, cada um com metadados ricos:

  1. Texto: 8,1 milhões de componentes. Inclui famílias de fontes (2.700+), pesos, cores, alinhamento, espaçamento entre letras, e estilos por caractere (ranges) para permitir tipografia mista dentro de um único bloco de texto. Suporta textos curvos e rotacionados.
  2. Imagem: 7,0 milhões de componentes. Preserva geometria de corte completa, caminhos de recorte (clip paths), transformações (rotação, escala, espelhamento) e sobreposições de traço (stroke overlays).
  3. Vetor (SVG): 4,2 milhões de componentes. Subdividido em gráficos de dados (charts), traços decorativos e arquivos Lottie.
  4. Grupos: 5,3 milhões de contêineres espaciais que agrupam elementos, permitindo transformações hierárquicas e gerenciamento de overflow.

• Animação e Vídeo (Novidade):

  • O LICA introduz 27.261 layouts animados e em vídeo.
  • Diferente de vídeos naturais (fluxo contínuo de pixels), o vídeo de design é composicional: o movimento é definido por operações semânticas em componentes tipados.
  • Cada componente animado possui definições de keyframes, curvas de easing, durações e offsets de tempo de início, permitindo a reconstrução completa da animação a partir da estrutura de dados.

• Coleta e Qualidade:

  • Utilizou-se um motor de renderização personalizado distribuído a anotadores.
  • Os anotadores criaram designs baseados em prompts de "intenção do usuário" (cenários do mundo real).
  • Validação rigorosa via verificação automática (integridade estrutural) e revisão manual (fidelidade visual e aderência a diretrizes).

3. Principais Contribuições

1. Fidelidade Estrutural e Escala: O LICA é a primeira base de dados que preserva a hierarquia completa de componentes com metadados por elemento (opacidade, visibilidade, transformações) em escala massiva (1,5M+ layouts), superando em ordens de magnitude os datasets anteriores.
2. Design Gráfico como Modalidade Temporal: É o primeiro dataset a representar o design gráfico como um meio temporal, fornecendo anotações de animação em nível de componente e transições entre slides, abrindo novas fronteiras para modelagem generativa temporal.
3. Paradigma de Pesquisa Estruturada: Permite que modelos operem diretamente na estrutura do design (JSON de componentes) em vez de apenas em pixels, facilitando tarefas como inpainting consciente de camadas e edição controlada.

4. Resultados e Capacidades Habilitadas

O artigo não apresenta resultados de treinamento de modelos específicos, mas define o potencial do dataset para diversas tarefas de pesquisa (Downstream Tasks):

• Geração de Layout Estruturado: Modelos podem prever composições completas (formas, ativos, texto) com posicionamento espacial e ordenação de camadas a partir de briefs textuais.
• Edição de Design Preservando Restrições: Possibilidade de realizar edições localizadas (ex: remover texto, substituir imagem, reordenar camadas) mantendo a coerência global e a semântica do design, sem regenerar todo o layout.
• Análise Tipográfica: Devido às anotações por caractere, permite pesquisa em síntese de fontes, previsão de atributos tipográficos e representação de estilo em nível de caractere.
• Geração de Vídeo de Marketing: Suporte para modelagem generativa temporalmente consciente, prevendo trajetórias de movimento e sincronização de animação de texto para formatos de vídeo curtos.
• Avaliação de Qualidade de Design: O dataset permite o desenvolvimento de métricas de qualidade aprendidas que vão além de heurísticas geométricas, considerando a hierarquia visual e a adequação ao contexto da categoria.

5. Significado e Impacto

O LICA representa um avanço fundamental para a IA no domínio do design gráfico. Ao mudar o foco da geração de "pixels" para a geração de "estruturas de design editáveis", ele:

• Preenche a Lacuna Temporal: Introduz o vídeo de design como um novo campo de estudo para modelos visão-linguagem.
• Permite Editabilidade: Facilita fluxos de trabalho iterativos onde humanos e IAs refinam componentes mantendo a estrutura global.
• Reflete a Realidade Profissional: A diversidade de categorias e a fidelidade dos metadados espelham os fluxos de trabalho reais de designers, oferecendo um terreno de treinamento mais robusto e realista do que datasets anteriores focados apenas em posters ou revistas.

Em suma, o LICA estabelece um novo padrão para conjuntos de dados de design, permitindo que a próxima geração de modelos de IA compreenda, gere e edite design gráfico com a mesma profundidade estrutural e temporal que os profissionais humanos utilizam.