LayoutDM：用于可控布局生成的离散扩散模型

基于摘要分析。该研究面向可控布局生成，即在可选的元素类型、位置等约束下，生成合理的元素边界框排列；核心贡献是使用单一离散扩散模型 LayoutDM 处理多种布局生成任务，而非针对每项任务分别设计模型。 方法将结构化布局表示为离散数据，以按模态进行的离散扩散描述布局的扰动过程，并学习从初始输入逐步恢复无噪声布局。条件生成阶段，作者提出在推理时通过掩码或 logit 调整注入布局约束。这里的离散状态空间指扩散过程所使用的离散表示，不能仅凭来源分类将其视为用于时序建模的 State Space Model 架构。具体离散化方式、噪声转移机制、训练损失及约束实现细节尚未验证。 作者报告，在若干布局任务中，LayoutDM 能生成高质量布局，并优于任务专用及任务通用基线。摘要未给出数据集、划分、指标、具体分数或基线名称，因此无法判断优势幅度及不同约束条件下的稳定性；实验协议、消融及统计信息尚未验证。摘要提及代码和模型资源，但其可访问性及复现条件尚未核对。 该论文的主要对象是元素边界框布局，而非 EEG 信号或 BCI 解码。平台推测（待验证）：若研究目标是生成具有离散元素类型和空间位置约束的 EEG 通道布局，推理时注入约束的机制可能具有参考价值；但需要重新定义电极位置表示、头皮几何及合法布局约束，不能将视觉布局质量直接等同于神经信号采集或解码效用。现有材料不足以支持具体 BCI 复现实验方案，相关 EEG 工作尚未检索确认。