Datasets:

aoiandroid
/

android-times-articles

モデル	年	アーキテクチャ	特徴	リンク
LayoutLM	2020	BERT + 2D Position Embedding	テキスト＋空間位置情報の統合学習のパイオニア	GitHub
LayoutLMv2	2021	Transformer + CNN Backbone	視覚情報の追加、空間アテンション導入	HuggingFace
LayoutLMv3	2022	Unified Transformer (Patch Embed)	CNNをViTスタイルに置換、統一的マスクモデリング	HuggingFace
LayoutXLM	2022	多言語LayoutLMv2	53言語対応、多言語文書理解	HuggingFace

特長: テキスト・視覚・レイアウトの3モダリティを統合し、フォーム理解、文書VQA、エンティティ抽出など意味理解を必要とするタスクに最適。

1.2 物体検出ベース（ビジョンのみ）

モデル	年	ベース	特徴	リンク
DocLayout-YOLO	2024	YOLO	Global-to-Local Controllable Receptive Module、DocSynth-300K合成データで学習	GitHub
PP-DocLayout	2024	PaddleDetection	M/Sバリアント、リソース制約環境向け最適化	PaddlePaddle
Heron-101	2025	RT-DETR	Doclingパイプラインの一部、28ms/imageの高速推論、78% mAP	Docling
LayoutParser	2021	Detectron2	レイアウト検出の統合ライブラリ、複数モデル対応	GitHub
chunkr-layout-1	2025	—	80.9% mAP@50、金融・法律・医療文書向けプロダクションモデル	chunkr.ai

特長: テキスト情報を使わず画像のみでレイアウト要素を検出。高速推論が必要なパイプラインに最適。

1.3 統一Transformerベース

モデル	年	アーキテクチャ	特徴
DLAFormer	2024 (ICDAR)	DETR-inspired Encoder-Decoder	物体検出・テキスト領域検出・論理役割分類・読み順予測を統一的に関係予測として処理
RT-DETRv2 / DFINE	2024-2025	Real-Time DETR	リアルタイム推論と高精度のバランス

1.4 グラフベース手法

モデル	年	特徴
Paragraph2Graph	2024	文書要素間の空間・論理関係をGNNでモデリング
gDSA	2024	グラフベース文書構造解析

1.5 パイプライン/フレームワーク

システム	開発	特徴
Docling	IBM	PDFからMarkdown/JSONへのエンドツーエンド変換、Heron, PP-DocLayoutなど多モデル対応、LangChain/LlamaIndex統合
MinerU	—	RAG向け文書パース
Unstructured.io	—	文書パース統合フレームワーク

2. レイアウト生成モデル（グラフィック/UI/文書）

レイアウト生成は、要素の種類・制約条件から自動的にレイアウト（バウンディングボックスの位置・サイズ）を生成するタスクです。

2.1 GAN / VAEベース（初期手法）

モデル	年	アーキテクチャ	特徴
LayoutGAN	2019	GAN	微分可能ワイヤフレームレンダリング層、CNN判別器による整列性評価
LayoutVAE	2019	VAE	CountVAE（要素数予測）+ BBoxVAE（位置予測）の2段構成

2.2 Transformerベース

モデル	年	アーキテクチャ	特徴
LayoutTransformer	2021	Autoregressive Transformer	レイアウトを離散トークン列として自己回帰生成
BLT (Bidirectional Layout Transformer)	2022 (Google)	Non-Autoregressive Transformer	ドラフト生成→反復精錬、10倍高速化、制御可能な生成
LayoutFormer++	2023	Encoder-Decoder / Decoder-only	Seq2Seq形式の統一レイアウト生成
StructLayoutFormer	2025	Transformer	構造情報と要素配置を分離、制約付きレイアウト生成

2.3 拡散モデル / Flow Matchingベース

モデル	年	アーキテクチャ	特徴
LayoutDM	2023	Discrete Diffusion + Transformer	ノイズからレイアウトを段階的デノイジング、柔軟な条件付き生成（補完、カテゴリ→位置）
LayoutFlow	2024	Flow Matching	Diffusionの代替、滑らかなサンプリング軌跡、高速推論
LACE	2024	Constrained Diffusion	美的制約を反映したレイアウト拡散モデル
UniLayDiff	2025	Unified Diffusion Transformer	多様なコンテンツ認識レイアウトタスクを単一モデルで統合
SLayR	2025	Rectified Flow	シーン・グラフィックレイアウト生成向け改善型Flow Matching

2.4 LLMベース

モデル	年	ベースLLM	特徴
LayoutGPT	2023 (NeurIPS)	GPT-3.5/4	テキスト条件からCSS/コード形式でレイアウト生成、学習不要
PosterLlama	2024	LLaMA系	HTML形式でポスター・グラフィックレイアウトを生成、視覚エンコーダとLLMの2段階学習
PosterLLaVa	2024	LLaVA系	LLMベースのコンテンツ認識レイアウト生成
LGGPT	2024/2025	汎用LLM	Arbitrary Layout Instruction (ALI) + Universal Layout Response (ULR) で統一的レイアウト生成
LayoutKAG	2025	LLM + Knowledge Graph	知識拡張型レイアウト生成

2024-2025年のトレンド: LLMが「レイアウトプランナー」として高レベルな設計知識を提供し、Diffusion Transformerが高品質な最終出力を合成するハイブリッドアプローチが主流になりつつあります。

3. 画像レイアウト生成モデル（Layout-to-Image）

バウンディングボックスやレイアウト指定から、それに合致する画像を生成するタスクです。

3.1 Layout-to-Image生成

モデル	年	会議	アーキテクチャ	特徴
InstanceAssemble	2025	NeurIPS	DiT + LoRA	Instance-assembling attention、Flux/SD3互換、DenseLayoutベンチマーク（5K画像/90Kインスタンス）、Layout Grounding Score (LGS) 指標を提案
CreatiLayout	2025	ICCV	Siamese MM-DiT (SiamLayout)	レイアウトを独立モダリティとして扱う、LayoutDesigner（LLMプランナー）、LayoutSAMデータセット（270万画像/1070万エンティティ）
UniLayDiff	2025	—	Unified DiT	コンテンツ認識レイアウトタスクの統一モデル、LoRAベースの制約統合
GLIGEN	2023	CVPR	Grounded Diffusion	バウンディングボックスによる空間制御の先駆的手法
LayoutDiffuse	2023	—	Diffusion	セマンティックレイアウトからのシーン画像生成

3.2 UI/Webレイアウト生成

ツール/モデル	特徴
Galileo AI	テキストプロンプトからUI/UXモックアップ生成、Figmaエクスポート対応
Uizard	ラフスケッチからプロフェッショナルUIモックアップ
Screenshot-to-Code	スクリーンショットからHTML/CSSコードへ変換
Design2Code	デザイン画像からフロントエンドコード生成

4. 動画レイアウト分析・生成モデル

4.1 レイアウト制御型動画生成

動画生成において、物体の空間配置（バウンディングボックス）、カメラ軌道、動きの方向を明示的に制御するモデル群です。

モデル	年	制御方式	特徴
VideoDirectorGPT	2024 (COLM)	LLMプランニング + BBox	GPT-4がテキストからビデオプラン（シーン記述・エンティティレイアウト・一貫性グループ）を生成、Layout2Vidモジュールで空間制御付き動画合成
TrailBlazer	2024	BBox軌跡 + Attention編集	学習不要、事前学習済T2Vモデルの時空間アテンションマップを編集してキーフレームBBoxで物体軌跡制御
MotionCtrl	2024	カメラ運動 + 物体運動	CMCM（カメラ制御）+ OMCM（物体制御）の2モジュール、アダプターベース
DrivingDiffusion	2024	3D空間レイアウト	自動運転シーン向けマルチビュー一貫性、3D空間レイアウトガイド
GenProp	2025 (Adobe)	1フレーム編集伝播	最初のフレームの変更を動画全体に伝播（挿入・除去・トラッキングの統一）

4.2 動画生成基盤モデル（DiTベース）

2024-2025年、動画生成はU-NetからDiffusion Transformer (DiT) アーキテクチャへ大きく移行しました。

モデル	開発	特徴
HunyuanVideo	Tencent	長尺高品質動画、DiTベース
CogVideoX	Zhipu AI	テキストから動画生成、DiTベース
Wan2.1	Alibaba	大規模動画生成

4.3 制御方式の分類

graph TB
    A["動画レイアウト制御"] --> B["構造的制御"]
    A --> C["ID/外観制御"]
    A --> D["動き制御"]
    
    B --> B1["BBox/レイアウト"]
    B --> B2["深度マップ"]
    B --> B3["スケッチ"]
    B --> B4["セマンティックマップ"]
    
    D --> D1["カメラ軌道"]
    D --> D2["物体軌跡"]
    D --> D3["ランドマーク/ポーズ"]
    
    B1 --> E["VideoDirectorGPT"]
    B1 --> F["TrailBlazer"]
    D1 --> G["MotionCtrl"]
    D2 --> G

4.4 データセット

データセット	特徴
LVD-2M	200万本の長尺動画（10秒以上）、時間的に密なキャプション付き

5. VLM/LLMベースのレイアウト理解モデル

大規模Vision-Language Model（VLM）を用いた文書・画像レイアウト理解は2024-2025年の主要トレンドです。

5.1 文書特化VLM

モデル	開発	特徴
mPLUG-DocOwl2	Alibaba / Renmin Univ.	OCRフリー文書理解、高解像度DocCompressorで1ページ324トークンに圧縮、マルチページ対応
Qwen2.5-VL	Alibaba Cloud	エージェント能力（ツール使用、画面操作）、動的解像度ViT、複雑なレイアウト・チャート・表の分析、構造化出力（JSON）生成
Florence-2	Microsoft	統一Seq2Seqフレームワーク、キャプション・物体検出・セグメンテーション・OCRを1モデルで、軽量・ファインチューニング向き
GLM-4.5V	Zhipu AI	高度なマルチモーダル推論、文書レイアウト理解
InternVL2	Shanghai AI Lab	高性能VLM、文書理解タスクでSOTA級

5.2 比較表

モデル	最適用途	レイアウト理解力
mPLUG-DocOwl2	効率的なマルチページ文書分析（低レイテンシ）	◎ OCRフリー高効率
Qwen2.5-VL	複雑な推論・構造化データ抽出・エージェントタスク	◎◎ 最高性能
Florence-2	軽量・汎用ビジョンタスク（OCR+検出+セグメンテーション）	○ 汎用的

6. 商用レイアウト分析ソリューション

6.1 クラウドベンダー比較

サービス	提供	強み	最適ユースケース
Google Document AI	Google Cloud	特化型プリトレーニングプロセッサ群（請求書、税務書類、契約書等）、Vertex AI/BigQuery連携	GCPユーザー、特定業務文書の高精度処理
Amazon Textract	AWS	S3/Lambda/SQSとのネイティブ連携、Queries機能（自然言語で特定データ抽出）	大量トランザクション処理、AWSパイプライン
Azure AI Document Intelligence	Microsoft	レイアウト分析でリーダー的評価、可変レイアウト文書への対応、Studio UIでカスタムモデル学習が容易	複雑・非定型レイアウトの文書

6.2 その他の商用/デザインツール

ツール	分野	特徴
Adobe Firefly	グラフィックデザイン	Photoshop/Illustrator統合、生成塗りつぶし、テキストからベクター
Canva Magic Studio	グラフィックデザイン	AIレイアウト提案、Magic Designでプレゼン即時生成
Kittl / Recraft	グラフィックデザイン	ブランド一貫性重視、ベクターベース出力、編集可能アセット
Reducto	文書処理	エンタープライズ向けAgentic文書解析
V7 Go	文書処理	高精度・検証可能なAI文書分析

7. 主要データセット・ベンチマーク

7.1 文書レイアウト分析

データセット	サイズ	アノテーション	対象文書
PubLayNet	~360K ページ	自動生成（PDF/XML対応）	科学論文（PubMed Central）
DocLayNet	~81K ページ	人手アノテーション、11クラス	金融、マニュアル、科学、法律、特許、政府
DocBank	500K ページ	弱教師（LaTeXソース）	arXiv論文、トークンレベルアノテーション
D⁴LA	—	詳細人手アノテーション	多様な文書
DocStructBench	数千ページ	人手、10カテゴリ	学術、教科書、金融、市場分析
Comp-HRDoc	—	—	複雑な高解像度文書

7.2 レイアウト生成

データセット	対象	特徴
RICO	モバイルUI	UIデザイン・構造階層の大規模コレクション
PubLayNet	文書	レイアウト生成評価にも使用
Magazine	雑誌レイアウト	ポスター・雑誌のグラフィックレイアウト
CGL Dataset	コンテンツ認識レイアウト	グラフィックレイアウト生成向け
LayoutSAM	汎用画像	CreatiLayoutが提案、270万画像/1070万エンティティ
DenseLayout	汎用画像	InstanceAssembleが提案、5K画像/90Kインスタンス

7.3 評価指標

分野	指標	説明
レイアウト検出	mAP, IoU	物体検出の標準指標
レイアウト生成	FID	生成レイアウトの品質・多様性
レイアウト生成	Alignment, Overlap	レイアウト要素の整列性、重複度
レイアウト生成	LGS (Layout Grounding Score)	InstanceAssembleが提案した新指標
文書理解	DocVQA, ANLS	文書視覚質問応答
レイアウト検出	LPIPS	ロバストネスベンチマーク向け

8. 技術トレンド総括

8.1 全体マップ

graph LR
    subgraph "レイアウト分析（入力→構造理解）"
        DA["文書レイアウト分析"]
        IA["画像レイアウト分析"]
        VA["動画レイアウト分析"]
    end
    
    subgraph "レイアウト生成（条件→レイアウト出力）"
        DG["文書/グラフィック<br>レイアウト生成"]
        IG["Layout-to-Image<br>画像生成"]
        VG["Layout-guided<br>動画生成"]
    end
    
    DA --> |"構造情報"| DG
    IA --> |"空間情報"| IG
    VA --> |"時空間情報"| VG
    
    DG --> |"BBox/マスク"| IG
    IG --> |"フレーム生成"| VG

8.2 主要トレンド

トレンド	説明
1. Diffusion Transformer (DiT) への移行	U-Netベースの拡散モデルからTransformerベースへ。レイアウト生成（LayoutDM→UniLayDiff）、画像生成（InstanceAssemble）、動画生成（HunyuanVideo等）すべてで進行
2. LLMのレイアウトプランナー化	LayoutGPT、PosterLlama、VideoDirectorGPTに見られるように、LLMがデザイン知識を活用してレイアウトを「設計」する手法が台頭
3. ハイブリッドアプローチ	LLM（高レベルプランニング）+ Diffusion Model（高品質合成）の組み合わせが2025年のSOTA
4. Flow Matchingの台頭	LayoutFlowやSLayRに見られる、拡散モデルの代替としてのFlow Matching。よりシンプルで高速
5. 統一モデルの志向	複数のレイアウトタスク（生成、補完、条件付き生成等）を1つのモデルで処理（UniLayDiff, LGGPT, DLAFormer）
6. コンテンツ認識の強化	背景画像やテキスト内容を考慮したレイアウト生成（PosterLlama, CreatiLayout）
7. エンタープライズRAGパイプライン統合	Docling, MinerU等による文書レイアウト分析→LLM/RAGへの直接的な統合
8. Agentic Document AI	VLM（Qwen2.5-VL等）がレイアウト理解だけでなく、ツール使用や自律的な判断を行うエージェント的振る舞い

8.3 アーキテクチャの進化タイムライン

timeline
    title レイアウトモデルの進化
    2019 : LayoutGAN
         : LayoutVAE
    2020 : LayoutLM
    2021 : LayoutTransformer
         : LayoutLMv2
         : LayoutParser
    2022 : LayoutLMv3
         : BLT (Google)
    2023 : LayoutDM
         : LayoutGPT
         : GLIGEN
         : LayoutFormer++
    2024 : DocLayout-YOLO
         : DLAFormer
         : LayoutFlow
         : PosterLlama
         : VideoDirectorGPT
         : TrailBlazer
         : MotionCtrl
    2025 : UniLayDiff
         : CreatiLayout
         : InstanceAssemble
         : GenProp
         : Heron-101
         : StructLayoutFormer

8.4 選定ガイド

用途に応じた推奨モデル選択

やりたいこと	推奨モデル/ツール
文書からレイアウト要素を高速検出	DocLayout-YOLO, Heron-101 (Docling)
文書のセマンティック理解（フォーム抽出、VQA）	LayoutLMv3, Qwen2.5-VL
文書を構造化してRAG/LLMに投入	Docling, MinerU, Unstructured.io
ポスター・グラフィックのレイアウト自動生成	PosterLlama, LayoutDM, LayoutFlow
UI/Webレイアウトの自動生成	LayoutGPT, Galileo AI, Uizard
レイアウト指定から画像生成	InstanceAssemble, CreatiLayout, GLIGEN
レイアウト制御付き動画生成	VideoDirectorGPT, TrailBlazer, MotionCtrl
商用文書処理パイプライン	Azure AI Document Intelligence, Google Document AI, AWS Textract

本サーベイは2025年5月時点の情報に基づいています。この分野は急速に進展しており、新しいモデルやベンチマークが継続的に登場しています。

レイアウト分析・生成モデル 包括的サーベイ

目次

1. 文書レイアウト分析モデル

1.1 マルチモーダルTransformerベース

1.2 物体検出ベース（ビジョンのみ）

1.3 統一Transformerベース

1.4 グラフベース手法

1.5 パイプライン/フレームワーク

2. レイアウト生成モデル（グラフィック/UI/文書）

2.1 GAN / VAEベース（初期手法）

2.2 Transformerベース

2.3 拡散モデル / Flow Matchingベース

2.4 LLMベース

3. 画像レイアウト生成モデル（Layout-to-Image）

3.1 Layout-to-Image生成

3.2 UI/Webレイアウト生成

4. 動画レイアウト分析・生成モデル

4.1 レイアウト制御型動画生成

4.2 動画生成基盤モデル（DiTベース）

4.3 制御方式の分類

4.4 データセット

5. VLM/LLMベースのレイアウト理解モデル

5.1 文書特化VLM

5.2 比較表

6. 商用レイアウト分析ソリューション

6.1 クラウドベンダー比較

6.2 その他の商用/デザインツール

7. 主要データセット・ベンチマーク

7.1 文書レイアウト分析

7.2 レイアウト生成

7.3 評価指標

8. 技術トレンド総括

8.1 全体マップ

8.2 主要トレンド

8.3 アーキテクチャの進化タイムライン

8.4 選定ガイド

レイアウト分析・生成モデル包括的サーベイ