DOGS：用于提示驱动徽标生成的设计空间采样

文本到图像 (T2I) 生成的即时优化几乎完全以文本重写的形式进行，其中将简短的用户简介扩展为较长的模型首选标记序列。我们认为，这种语言空间表述不适合结构化视觉设计任务，例如徽标创建，其中一行简报使大多数设计决策未指定。这些决定取决于线性序列无法编码的关系先验，并且它们留下了不受控制的通道，通过该通道可以复制受保护的标记。因此，我们将徽标提示重新定义为结构化设计空间中的采样，并将此想法实例化为 DOGS（使用具有原创性意识的 GFlowNet 采样器进行设计空间提示）。从大量现实世界的标志语料库中，我们挖掘出一种类型化、图形结构的设计语法，其边缘记录了经验共现。然后，GFlowNet 采样器生成设计图，其概率与最终奖励成正比，结合了可识别性、美观性和语料库相关原创性。每个插槽仅来自封闭的设计级别 词汇表，任何引起侵权或有害的标记都会在解析过程中被删除。原创性奖励进一步惩罚与现有徽标的接近性，从而将侵权避免纳入构建方法中。在两个开源渲染器和九个基线上，DOGS 生成的徽标更具可识别性和美观性，更加多样化，并且更不容易受到商标侵权。