A practice-based inquiry into designer-AI collaboration in layout sketch generation

This thesis explores the auxiliary role of generative AI in layout design, focusing on how designers can guide model outputs by creating training datasets and labeling systems to produce visually referential drafts in the context of layout design. Based on the Stable Diffusion framework and employing the LoRA (Low-Rank Adaptation) fine-tuning method, this thesis investigates a feasible training path for independent designers working under low hardware constraints and with small dataset conditions. As a practice-based research, comparative experiments are conducted using datasets that vary in size, stylistic consistency, and labeling strategy, in order to examine how designers guide AI-generated layout drafts and collaborate with AI in the design process. The research finds that, compared to automated tagging, manual labeling enables the creation of a personalized semantic system and allows for more precise stylistic expression. In the context of rapidly evolving generative technologies, this thesis argues that designers should not view AI merely as an image production tool but as an extension of their design logic, aesthetic experience, and project-based knowledge. Consequently, the designer’s role shifts from being a passive tool-user to becoming an active constructor of training systems and co-author of stylistic semantics.

Questa tesi esplora il ruolo ausiliario dell’intelligenza artificiale generativa nella progettazione di layout, concentrandosi su come i designer possano guidare i risultati dei modelli attraverso la creazione di dataset di addestramento e sistemi di etichettatura, al fine di produrre bozze visive di riferimento nel contesto del design editoriale. Basandosi sul framework Stable Diffusion e adottando il metodo di fine-tuning LoRA (Low-Rank Adaptation), la tesi indaga un percorso formativo praticabile per i designer indipendenti, in condizioni di risorse hardware limitate e piccoli dataset. Questa ricerca basata sulla pratica imposta esperimenti comparativi variando la dimensione dei dataset, la coerenza stilistica e la strategia di etichettatura, per esplorare come i designer guidano le bozze generate dall’IA e collaborano con l’IA nel processo progettuale. Dallo studio emerge che, rispetto all’etichettatura automatica, quella manuale consente la creazione di un sistema semantico personalizzato e una maggiore precisione nell’espressione dello stile. Nel contesto di tecnologie generative in rapida evoluzione, questa tesi sostiene che i designer non debbano considerare l’IA solo come uno strumento per la produzione di immagini, ma come un’estensione della propria logica progettuale, esperienza estetica e conoscenza pratica. Di conseguenza, il ruolo del designer si sposta da semplice utente passivo dello strumento a costruttore attivo di sistemi di addestramento e co-autore della semantica stilistica.