论文导读
复旦大学、微软研究院等机构提出Compo，让用户在画布上安排图片、文字和位置，再生成海报。输入可以明确某个人物放哪里、文字写什么、哪些部分保持原样。它将布局要求变成空间约束，减少仅靠长提示词描述排版时的歧义。
标题在上面，人物在右边，直接摆出来
用户想做一张海报，通常不只在意“画面里有两个人”。两个人的位置、文字的拼写与大小、背景留白，都会影响最后能不能用。Compo的示例把这些要求先放进画布，再让图像编辑模型生成结果。
图：输入画布明确人物、文字与空间位置，输出为对应人物海报。
输入画布上的区域与参考图片告诉模型对象身份和位置，文本指定内容，已有像素还能表达哪些部分需要保留。用户不用把整个二维布局翻译成一长段方位描述。
论文示例中，人物、海报标题和背景装饰被分别指定。图像结果展示的是这一组要求的组合，不代表任何文字和任意复杂布局都能一次生成正确。
四种约束，把内容与位置绑在一起
Compo将空间输入拆成四类约束。语义约束说明区域里要出现什么；身份约束用参考图指定具体对象；文字约束交代要写的内容及位置；像素约束保留用户已经确定的画面部分。
图：代理先安排空间布局，再调用图像生成流程完成海报。
这几种要求可以同时存在。把人物挪到指定区域，不能顺手改掉身份；保留背景也不能阻止新增标题。模型需要理解要求之间的关系，并在生成图里同时兑现。
研究基于已有图像编辑骨干进行适配，涉及LongCat与Qwen等模型，并非从零训练一个完整设计软件。训练使用结构化海报样本，反馈检查文字、对象和布局是否与输入一致。
对用户来说，画布将一部分沟通成本提前变成明确坐标。对模型来说，难点从“猜用户想放哪里”转到“按明确约束同时生成多个内容”，约束仍可能彼此冲突。
也能让代理先规划画布
除了用户直接摆放，Compo还展示了代理规划模式：代理把要求拆成布局计划，再调用生成流程完成海报。规划给出内容位置，图像模型负责把这些要求落到画面中。
图：同一画布条件下的不同方法结果，比较文字与对象位置。
自动规划不能取代结果检查。文字是否拼对、人物是否对应参考图、对象是否放在正确区域，需要分别核对。画面风格好看但文字错了，不能算完整完成海报任务。
论文的定性对照将不同方法在同一空间要求下的结果并排展示，能够看出文字与人物位置的区别。单个示例对照支持该任务上的观察，不能据此声称模型全面超过所有设计工具。
项目页面展示了画布与输出样例，代码仓库也提供项目资料。文章不把仓库页面存在当成模型权重已公开，更不将论文演示描述成已经上线的商业排版服务。已有验证集中在空间条件、编辑模型与海报生成测试上。
参考资料
https://arxiv.org/abs/2610.12230
