DesignSense: 10.000+ Layout‑Paare für bessere Designpräferenzen

Grafische Layouts sind ein zentrales Medium der visuellen Kommunikation, doch aktuelle Generierungsmodelle hinken oft hinter den feinen Nuancen menschlicher ästhetischer Urteilsfähigkeit zurück. Traditionelle Präferenzdatensätze, die für Text‑zu‑Bild‑Generierung entwickelt wurden, lassen sich nicht ohne Weiteres auf die Bewertung von Layouts übertragen, bei denen die räumliche Anordnung identischer Elemente entscheidend ist.

Um diese Lücke zu schließen, präsentiert das Forschungsteam DesignSense-10k – ein umfangreiches Datenset mit 10.235 von Menschen annotierten Präferenzpaaren für Grafik‑Layouts. Der Aufbau erfolgt über einen fünfstufigen Curation‑Prozess: semantische Gruppierung, Layout‑Vorhersage, Filtern, Clustering und VLM‑basierte Verfeinerung. Dadurch entstehen visuell kohärente Transformationspaare in unterschiedlichen Seitenverhältnissen.

Die menschlichen Präferenzen werden mit einem vierklassigen Schema erfasst: links, rechts, beide gut, beide schlecht. Auf Basis dieser Daten trainiert man DesignSense, einen vision‑language‑basierten Klassifikator, der die Leistung bestehender Open‑Source‑ und proprietärer Modelle deutlich übertrifft – ein 54,6 %iger Anstieg im Macro‑F1‑Score gegenüber dem stärksten Konkurrenzmodell.

Die Analyse zeigt, dass aktuelle VLMs insgesamt unzuverlässig sind und bei der vierklassigen Aufgabe katastrophale Fehler machen. Das unterstreicht die Notwendigkeit spezialisierter, präferenzbewusster Modelle. Der entwickelte Reward‑Model DesignSense liefert zudem nachweisbare Verbesserungen bei der Layout‑Generierung, was die praktische Relevanz des Ansatzes bestätigt.