Fortschritte in der Ebenenzerlegung von Rastergrafiken durch KI-Technologien und synthetische Daten

Ebenenzerlegung in Grafikdesigns: Fortschritte durch KI und synthetische Daten

Die digitale Bildbearbeitung und Grafikgestaltung durchlaufen eine transformative Phase, angetrieben durch rasante Fortschritte in der Künstlichen Intelligenz. Insbesondere die Generierung hochwertiger Bilder mittels KI-Modellen hat neue Möglichkeiten eröffnet, gleichzeitig jedoch auch Herausforderungen im Bereich der Postproduktion geschaffen. Ein zentrales Problem dabei ist die inhärente „Verflachung“ generierter Bilder, bei der Vordergrundelemente, Hintergrund und Text zu einer einzigen, uneditierbaren Ebene verschmelzen. Dies erschwert eine flexible Nachbearbeitung erheblich und offenbart eine wesentliche Lücke in der praktischen Anwendbarkeit. Die Forschung konzentriert sich daher zunehmend auf die effektive Zerlegung solcher Rastergrafiken in separate, editierbare Ebenen. Dieser Artikel beleuchtet aktuelle Entwicklungen und die Rolle synthetischer Daten in diesem komplexen Feld.

Die Herausforderung der Ebenenzerlegung

In traditionellen Grafikdesign-Workflows arbeiten Designer mit Ebenen, die Text, Objekte und Hintergründe separat verwalten. Dies ermöglicht eine präzise Kontrolle und flexible Bearbeitung. Sobald diese Ebenen jedoch zu einem Rasterbild zusammengeführt werden, gehen die Metadaten der Ebenen verloren. Eine nachträgliche Zerlegung eines solchen Bildes in seine ursprünglichen Komponenten ist ein inverses Problem, das verschiedene Aufgaben der Computer Vision umfasst, darunter Objekterkennung, Segmentierung, Reihenfolgenabschätzung und Bildvervollständigung (Inpainting).

Bisherige Ansätze zur Ebenenzerlegung stützten sich entweder auf knappe proprietäre Datenbestände oder auf teilweise synthetische Daten, die aus begrenzten strukturellen Vorinformationen generiert wurden. Beide Strategien sind jedoch mit grundlegenden Skalierbarkeitsproblemen behaftet. Natürliche Bilder und Grafikdesigns stellen hierbei unterschiedliche Anforderungen: Während bei natürlichen Bildern oft Objekt-Ebenen im Vordergrund stehen, müssen Grafikdesigns eine Vielzahl von Elementen wie Typografie, Verzierungen und Vektorgrafiken mit unterschiedlichen Granularitäten berücksichtigen.

LayerD: Ein iterativer Ansatz zur Ebenenextraktion

Eine vielversprechende Methode zur Zerlegung von Rastergrafiken ist LayerD, entwickelt von Suzuki et al. Dieser Ansatz formuliert die Zerlegung als iterative Extraktion von unbedeckten oberen Ebenen und die Vervollständigung des Hintergrunds. LayerD integriert dabei verschiedene Teilaufgaben der Ebenenzerlegung in einen einzigen Prozess, was zu einer vereinfachten Implementierung und Leistungssteigerung führt. Das Kernstück bildet ein Top-Layer-Matting-Modell, das Alpha-Masken der obersten Ebenen extrahiert, kombiniert mit einem Inpainting-Modell für die Hintergrundvervollständigung (beispielsweise LaMa).

Ein besonderes Merkmal von LayerD ist die palettenbasierte Verfeinerung. Grafikdesigns enthalten oft flache Elemente oder Hintergründe mit wenigen Texturen. Durch die Analyse von Farbabstufungen und die Extraktion dominanter Farben in diesen Bereichen kann LayerD die Qualität der Zerlegung erheblich verbessern. Dies ist besonders vorteilhaft für die Ränder von Ebenen und feine dekorative Elemente, bei denen herkömmliche Matting-Modelle oft Schwierigkeiten haben.

LayerD konnte in Experimenten eine höhere Qualität bei der Ebenenzerlegung erzielen als vergleichbare Baselines. Es zeigte sich, dass das Training mit Text-Layern die Leistung bei der Zerlegung ähnlicher Elemente wie Vektorformen verbessert, selbst wenn diese keine Texte enthalten. Dies deutet darauf hin, dass Text als eine Variante von Vektorformen betrachtet werden kann, deren Integration ins Training die allgemeine Dekompositionsfähigkeit stärkt.

CreatiParser: Generative Bildanalyse mit editierbaren Ebenen

Ein weiterer innovativer Ansatz ist CreatiParser, der darauf abzielt, Rastergrafikdesigns in editierbare Text-, Hintergrund- und Sticker-Ebenen zu zerlegen. Im Gegensatz zu mehrstufigen Pipelines, die anfällig für Fehlerakkumulation sind, verfolgt CreatiParser einen hybriden generativen Ansatz. Textbereiche werden dabei mithilfe eines Vision Language Models (VLM) in ein Text-Rendering-Protokoll umgewandelt, was eine originalgetreue Rekonstruktion und flexible Bearbeitung ermöglicht. Für nicht-textuelle Inhalte wird eine Multibranch-Diffusionsarchitektur eingesetzt, die Hintergrund- und Sticker-Ebenen mit RGBA-Unterstützung generiert.

CreatiParser integriert zudem ein "ParserReward"-System und eine "Group Relative Policy Optimization" (GRPO), um die Qualität der Generierung an menschliche Designpräferenzen anzupassen. Dies führt zu einer verbesserten semantischen Genauigkeit, Ebenenentflechtung und Editierbarkeit. Die Methode zeigt eine überlegene Leistung bei der Rekonstruktion von Ebenen, der Bearbeitbarkeit von Text und der wahrnehmungsbezogenen Qualität, selbst bei der Verarbeitung unbekannter Designstile und Layouts (Zero-Shot-Generalisierung).

LayerDecomp: Ebenenzerlegung mit visuellen Effekten

Yang et al. präsentieren LayerDecomp, ein generatives Framework für die Bild-Ebenenzerlegung, das fotorealistische, saubere Hintergründe und hochwertige transparente Vordergrundelemente mit originalgetreu erhaltenen visuellen Effekten wie Schatten und Reflexionen erzeugt. Eine Besonderheit dieses Ansatzes ist die Methode zur Datensatzvorbereitung: Es wird ein großer, simulierter Datensatz mit mehreren Ebenen und synthetisierten visuellen Effekten erstellt. Dieser wird durch real aufgenommene Kamerabilder ergänzt, um die Anwendbarkeit in der Praxis zu verbessern. LayerDecomp verwendet zudem einen Konsistenzverlust, der sicherstellt, dass genaue Darstellungen für die transparente Vordergrundebene gelernt werden, auch wenn keine Ground-Truth-Annotationen verfügbar sind.

Die Fähigkeit von LayerDecomp, visuelle Effekte präzise in der Vordergrundebene zu erhalten, ist entscheidend für Anwendungen wie Objektenfernung und räumliche Bearbeitung. Die Methode übertrifft bestehende Ansätze in der Beibehaltung der visuellen Integrität und ermöglicht kreativere, ebenenbasierte Bildbearbeitung.

Die Rolle synthetischer Daten

Die Entwicklung und das Training dieser fortschrittlichen Modelle erfordern große Mengen an hochwertigen Daten. Hier kommt die Bedeutung synthetischer Daten ins Spiel. Ein aktuelles Papier von Wu et al. untersucht explizit, ob rein synthetische, geschichtete Designdaten die Zerlegung von Grafikdesigns verbessern können. Die Studie basiert auf dem CLD-Baseline-Framework und nutzt einen eigenen synthetischen Datensatz namens SynLayers. Dieser Datensatz wird durch die Generierung textueller Supervision mittels Vision Language Models und die Automatisierung von Inferenz-Inputs mit VLM-vorhergesagten Bounding Boxes erstellt.

Die Ergebnisse dieser Studie zeigen drei zentrale Erkenntnisse:

• Selbst das Training mit rein synthetischen Daten kann nicht-skalierbare Alternativen, wie den weit verbreiteten PrismLayersPro-Datensatz, übertreffen. Dies demonstriert die Machbarkeit von synthetischen Daten als skalierbarer und effektiver Ersatz.
• Die Leistung verbessert sich konsequent mit zunehmender Größe des Trainingsdatensatzes, wobei die Zuwächse bei etwa 50.000 Samples eine Sättigung erreichen.
• Synthetische Daten ermöglichen eine ausgewogene Kontrolle über die Verteilung der Ebenenanzahl, wodurch das Ungleichgewicht in der Ebenenanzahl vermieden wird, das häufig in realen Datensätzen beobachtet wird.

Diese Erkenntnisse legen nahe, dass synthetische Daten eine praktikable Grundlage für die Entwicklung von Systemen zur Bearbeitung von geschichteten Designs darstellen können. Sie bieten eine skalierbare und kontrollierbare Alternative zu realen Daten, die oft schwer zu beschaffen und zu annotieren sind.

Herausforderungen und zukünftige Richtungen

Trotz der beeindruckenden Fortschritte bleiben Herausforderungen bestehen. Die Bewertung der Qualität von Ebenenzerlegungen ist komplex, da die Anzahl der Ebenen in der Ground Truth und den Vorhersagen variieren kann. Methoden wie Dynamic Time Warping (DTW) zur Ausrichtung von Ebenensequenzen und die Einführung von "Layer Edits" zur Quantifizierung des Unterschieds sind Ansätze, um diese Schwierigkeiten zu adressieren.

Zukünftige Forschungsrichtungen umfassen die weitere Verbesserung der Modellarchitekturen, die Verfeinerung der Inpainting-Techniken, insbesondere für Grafikdesigns, sowie die Integration noch komplexerer visueller Effekte. Die Kombination von Ebenenzerlegung mit Vektorisierung könnte den kreativen Workflow weiter ausbauen. Zudem könnten solche Methoden als Vorverarbeitungskomponente für die Generierung geschichteter Designs oder in Kombination mit automatisierten Bearbeitungs- und Animationswerkzeugen eingesetzt werden. Die fortlaufende Entwicklung von Vision Language Models und multimodalen Diffusionstechniken wird voraussichtlich weitere Innovationen in diesem Bereich vorantreiben.

Die Fähigkeit, KI-generierte Bilder in editierbare Ebenen zu zerlegen, ist ein entscheidender Schritt zur Überbrückung der Lücke zwischen der Generierung und der praktischen Anwendbarkeit. Synthetische Daten und innovative KI-Modelle wie LayerD, CreatiParser und LayerDecomp sind dabei Schlüsselkomponenten, die die Effizienz und Qualität dieser Prozesse maßgeblich verbessern.

Bibliographie

• Wu, K. M., Yang, H., Chen, Q., Tang, Y., Chen, J., & Chen, Q. (2026). Does Synthetic Layered Design Data Benefit Layered Design Decomposition? arXiv preprint arXiv:2605.15167.
• Suzuki, T., Liu, K. J., Inoue, N., & Yamaguchi, K. (2025). LayerD: Decomposing Raster Graphic Designs into Layers. arXiv preprint arXiv:2509.25134.
• Chen, J., Wang, Z., Zhao, N., Zhang, L., Liu, D., Yang, J., & Chen, Q. (2025). Rethinking Layered Graphic Design Generation with a Top-Down Approach. arXiv preprint arXiv:2507.05601.
• Yang, J., Liu, Q., Li, Y., Kim, S. Y., Pakhomov, D., Ren, M., Zhang, J., Lin, Z., Xie, C., & Zhou, Y. (2024). Generative Image Layer Decomposition with Visual Effects. arXiv preprint arXiv:2411.17864.
• Lin, J., Sun, S., Huang, D., Liu, T., Li, J., & Bian, J. (2024). From Elements to Design: A Layered Approach for Automatic Graphic Design Composition. arXiv preprint arXiv:2412.19712.
• CyberAgentAILab. (n.d.). docs/architecture.md at main · CyberAgentAILab/LayerD. GitHub. Retrieved from https://github.com/CyberAgentAILab/LayerD/blob/main/docs/architecture.md
• Zhang, L., & Agrawala, M. (2024). Transparent Image Layer Diffusion Using Latent Transparency. ACM Transactions on Graphics, 43(4), 1-15.