生成分图层可修改的海报？开源版loveArt？
{Poster Copilot: 基于大模型的图形设计自动化框架}

🧐该框架通过Perturbed Supervised Fine-Tuning（PSFT）、Reinforcement Learning for Visual-Reality Alignment（RL-VRA）和Reinforcement Learning from Aesthetic Feedback（RLAF）三个阶段训练策略，结合生成模型实现专业级海报布局生成与可控编辑，解决现有大模型方法在几何准确性和迭代编辑上的不足。

➡️链接：
http://t.cn/AXyWkQS0

✨重点
●🔍[项目定位] 专注图形设计自动化，解决LMM模型在布局推理和专业级编辑中的痛点，通过三阶段训练提升几何理解与美学推理能力
●🧩[技术框架]
🔄Perturbed Supervised Fine-Tuning（PSFT）：通过坐标回归的分布学习实现空间关系推理
🎯Reinforcement Learning for Visual-Reality Alignment（RL-VRA）：引入几何奖励信号修正空间误差
🎨Reinforcement Learning from Aesthetic Feedback（RLAF）：通过美学奖励模型生成高吸引力布局
●📊[数据集规模] 160K张海报，含2.6M层（1.2M文本+1.4M图像元素），覆盖40+领域（商业/娱乐/公告等）
●🎬[核心应用场景]
✨海报布局生成：自动整合用户资产生成专业排版
🧩资产不足合成：智能补充缺失图层并保持风格一致
🔄多轮精确编辑：支持分层修改（如调整相机材质/角色姿势）
🎭主题切换：无缝切换设计风格同时保持布局完整性
📏海报重构图：通过调整画布尺寸实现智能重新排版
●🚀[技术突破] 实现LMM模型从"生成"到"可控编辑"的跨越，支持多模态输入与全局视觉一致性维护