페이지 수준 슬라이드 개인화(PSP)를 역계획(inverse planning) 문제로 정식화하고, 잠재 디자인 의도를 학습하는 SPIRE 프레임워크를 제안한 ECCV 2026 논문이다. PowerPoint나 Beamer 같은 실행 도구에 대한 지식을 가정하지 않는 대신, 깨끗한 슬라이드의 시각 구조를 의도적으로 손상시킨 뒤 두 에이전트가 강화학습으로 협력해 복원하는 '구조적 디노이징' 과제를 만들어 학습한다. 구조적 디노이징이 PSP의 일관된 대리 목표이며 멀티에이전트 구성이 정책 경사 분산을 엄격히 줄인다는 것을 이론적으로 증명했고, 광범위한 실험에서 기존 방법 대비 우수성을 입증했다. 템플릿·장황한 지시에 의존하던 AI 슬라이드 생성의 세밀한 디자인 한계를 겨냥한 접근이다.
- •페이지 수준 슬라이드 개인화(PSP)를 잠재 디자인 의도를 추론하는 역계획 문제로 최초 정식화
- •실행 도구(PowerPoint, Beamer 등) 비의존적 설계로 범용성 확보
- •슬라이드 구조를 일부러 손상시키고 복원하는 검증 가능한 과제로 두 에이전트가 RL 협력 학습
- •구조적 디노이징이 PSP의 일관된 대리 목표임과 멀티에이전트 구성의 정책 경사 분산 감소를 이론적 증명, ECCV 2026 채택
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Personalization as Inverse Planning: Learning Latent Design Intents for Agentic Slide Generation via Structural Denoising
- 1.페이지 수준 슬라이드 개인화(PSP)를 역계획 문제로 정식화한 프레임워크 SPIRE 제안
- 2.특정 실행 도구 지식 없이 잠재적 디자인 의도를 학습하도록 설계
- 3.깨끗한 슬라이드 구조를 의도적으로 손상시켜 복원하는 검증 가능 과제 생성
- 4.두 에이전트가 강화학습으로 협력 정제, 구조적 노이즈 제거가 PSP의 일관된 대리임을 증명
왜 중요한가?
기존 방식이 템플릿·장황한 지시에 의존해 놓치던 세밀한 페이지 단위 디자인 의도를 포착하고, 다중 에이전트 구성이 정책 경사 분산을 줄인다는 이론적 근거까지 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2607.00407v1 Announce Type: new Abstract: Slide design requires personalizing both deck themes and page layouts. Yet, current AI agent-based methods struggle with fine-grained, page-level design. Solely relying on prespecified templates or user verbose instructions, they fail to capture latent design intents, leaving Page-level Slide Personalization (PSP) unresolved. To close this gap, this work formulates PSP as an inverse planning problem. We propose to learn a design intent without ass
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
