通过 PRISM：视觉设计的原则意识、可解释性和多尺度评估

有效的视觉传达源于多种设计原则的和谐，例如可读性、对比度、对齐、重叠和连贯性，这些原则共同控制着传达者的清晰度和意图。虽然人类设计师对这些原则进行整体推理，但机器代理通常将它们压缩成单个启发式分数，提供有限的可解释性和诊断精度。为了解决这一差距，我们引入了 PRISM（原理感知、可解释和结构引导的设计修改），这是一个基准，可以根据可测量的设计原则系统地扰乱来自 Crello 数据集的专业布局。该基准包括 100K 扰动训练样本和 10K 扰动验证设计，每个样本都隔离了特定的违反原则的情况，以便对设计质量的多模态推理进行受控分析。我们表明，像 Qwen-2.5-VL 和 GPT-4o-mini 这样的模型在很大程度上对目标原理退化不敏感，而 GPT-4o 则表现出全局意识，无需细粒度的解开。基于这些见解，我们提出了一个多尺度评估框架，该框架集成了用于定量评估的轻量级评分器、用于本地化反馈的指令调整视觉语言模型以及用于全局推理的基于提示的方法。我们的框架提供了设计失败的可解释的解释。利用这些本地化的见解，我们展示了可提高布局质量的有针对性的改进。 PRISM 和我们的框架共同为可解释的设计素养多模态推理系统奠定了基础。