creative-graphic-design/LICA

LICA（用于图形设计研究的层次化图像组合注释数据集）是一个包含图形设计布局的数据集，提供渲染组合、组件级布局规范和自然语言注释。公开样本按模板对布局进行分组，包括每个布局的元数据、渲染的PNG或MP4文件、布局JSON、每个布局的注释以及模板级注释。该数据集旨在支持结构化布局生成、设计组合理解、模板一致变体、设计编辑和设计质量评估等研究。此加载器将发布的`lica-data.zip`存档作为单个`test`分割公开。LICA (Layered Image Composition Annotations for Graphic Design Research) is a dataset of graphic design layouts with rendered compositions, component-level layout specifications, and natural-language annotations. The public sample groups layouts by template and includes per-layout metadata, rendered PNG or MP4 files, layout JSON, per-layout annotations, and template-level annotations. The dataset is intended for research on structured layout generation, design composition understanding, template-consistent variation, design editing, and design quality evaluation. This loader exposes the released `lica-data.zip` archive as a single `test` split.

搜集汇总

数据集介绍

构建方式

LICA数据集以Lica World公开发布的压缩包为基础，整合了来自专业图形设计模板的层次化布局结构。构建过程中，数据从元数据文件（metadata.csv）出发，经由布局JSON与渲染媒体文件（PNG或MP4）的关联映射，最终形成包含设计模板、组件层级、自然语言注释的复合数据集。数据被划分为单一测试集（共1,148条记录），每条记录对应一个独立布局实例，并保留模板分组关系。标签与注释均由机器学习系统自动生成，确保标注规模与一致性。

特点

LICA数据集的核心特点在于它提供了多层次、多模态的设计布局信息：每个布局不仅包含渲染图像与视频，还携带有CSS风格定位的组件层级描述、文本向量以及自然语言注释。注释维度涵盖描述性文字、美学评价、用户意图与关键词标签，此外还有模板级别的全局标注。数据类别覆盖演示文稿、海报、社交媒体等常见设计类型，支持对模板内布局变体、组件类型分布及设计质量进行系统性分析。

使用方法

LICA数据集适用于结构化布局生成与设计质量评估等任务。使用者可通过加载API获取包含布局JSON、渲染图像、注释字段的标准化数据对象，直接用于训练布局生成模型、设计编辑系统或美学评估模型。数据的模板分组特性允许实现模板一致的变体生成实验；自然语言注释字段则可作为文本引导设计的对齐监督信号。为便于本地使用，数据集提供缓存路径支持，并可通过Hugging Face Datasets库快速加载与过滤。

背景与挑战

背景概述

2026年，由Lica World团队（Elad Hirsch, Shubham Yadav, Mohit Garg, Purvanshi Mehta）发布的LICA（Layered Image Composition Annotations）数据集，为平面设计研究领域开辟了新的范式。该数据集聚焦于结构化布局生成、设计构成理解及模板一致变体等核心研究问题，通过提供带有渲染图像、组件级布局规范及自然语言标注的图形设计布局样本，填补了现有数据集在多层设计信息整合方面的空白。LICA的提出不仅推动了自动化平面设计工具的发展，更为设计质量评估与语义化布局生成奠定了数据基础，其公开的1148个布局样本已引发学界对设计智能化的广泛关注。

当前挑战

当前LICA数据集所面临的核心挑战包括：一、领域技术难题——平面设计布局的自动生成与评估具有高度主观性和语境依赖性，现有模型难以捕捉专业设计师对视觉层次、色彩搭配及排版节奏的隐性知识，导致生成结果与真实设计偏好存在偏差；二、构建过程瓶颈——数据集的标注依赖于人工与机器生成相结合的方式，虽提供了模板级与布局级的多层次描述，但样本量受限（仅1148条），且类别分布可能偏向特定设计风格，限制了模型在跨领域泛化时的鲁棒性。此外，公开版本仅为完整语料库的样本，后续大规模扩展仍需解决资源采集与标注一致性等挑战。

常用场景

经典使用场景

LICA（分层图像合成注释数据集）专为图形设计研究中的结构化布局生成任务而设计，其经典应用在于从文本意图、元数据或模板上下文中驱动组件级设计布局的自动生成。该数据集通过提供丰富的渲染图像、组件级布局规范及自然语言注释，使得模型能够学习如何在保持模板一致性的前提下，生成多样化的设计变体。研究者可借助LICA评估布局生成算法在类别多样性、组件类型分布及视觉连贯性方面的表现，从而推动自动化平面设计工具的智能化发展。

实际应用

在实际应用中，LICA数据集可赋能自动化设计工具，例如智能海报生成、社交媒体模板定制及演示文稿编排系统。产品团队可利用其模板一致性变体特性，开发能够根据用户简短描述快速生成多版本视觉方案的设计引擎。此外，在广告创意领域，该数据集支持对设计美学进行自动化评估，辅助优化宣传物料的美观性与传播效果。其规模化标注结构还便于构建设计编辑工具，实现组件拖拽调整与实时风格迁移等交互功能。

衍生相关工作

围绕LICA数据集已衍生出多项开创性工作，包括基于扩散模型的布局条件生成方法，以及融合模板上下文信息的多模态设计理解框架。研究者提出了利用其注释字段进行设计质量排序的对比学习策略，并开发了可解释的布局编辑系统。此外，该数据集催生了面向图文关系的布局一致性检验任务，为跨模态生成提供了评估范式。这些工作共同推动了图形设计自动化从无约束生成向可控、可评价的方向演进。