DCS-GAN：一种面向自动智能界面生成的高效生成对抗网络

《Scientific Reports》：A generative adversarial network with enhanced feature extraction for intelligent interface generation

　　

摘要

自动智能界面生成是人机交互中的关键任务，然而传统生成模型存在语义一致性差、组件级结构准确性不足以及生成质量与计算效率之间难以权衡等问题。为了解决这些挑战，本文提出了 DCS-GAN，这是一种专为智能界面生成定制的新型生成对抗网络。该模型集成了三个功能互补的核心模块：一个基于 ConvNeXt-Tiny 的特征提取模块，用于分层界面表示学习；一个 DG 并行生成模块，用于平衡全局布局优化和组件级结构保留；以及一个 SE-AdaIN 感知校准模块，用于增强生成界面与真实样本在感知和语义方面的一致性。在 RICO 和 WebUI 数据集上的综合评估表明，DCS-GAN 在生成质量、噪声鲁棒性和计算效率方面优于主流对比模型。该模型在不同数据集上表现出强大的泛化能力，并在噪声输入条件下保持稳定的性能，同时在生成效率和资源消耗之间实现了良好的平衡。本工作为高质量高效的自动智能界面生成提供了一种可行解决方案，并为生成模型在界面设计场景中的应用提供了实用参考。