Investigating User Interface Design Generation Techniques for Designer Inspiration

L'inspiration est l'une des étapes essentielles du processus de conception. La créativité et l'originalité du travail sont des facteurs importants qui dépendent fortement de l'étape de l'inspiration. Les designers recherchent généralement des exemples existants avant de commencer la conception pour avoir des idées sur les travaux récents et s'en inspirer respectivement. Il existe un nombre limité d'outils ou de sites web pour répondre aux besoins d'inspiration des designers d'interfaces utilisateur. De plus, ces outils peuvent causer certains problèmes de conception comme la dérive ou la fixation de la conception. Nous proposons une approche basée sur StyleGAN pour résoudre ces problèmes. Le modèle proposé est un Réseau Adversarial Génératif basé sur le style qui est capable de générer un design d'interface utilisateur aléatoire ou un design d'interface utilisateur pertinent pour l'image d'entrée. Nos résultats montrent que le modèle génère non seulement des designs pertinents mais aussi des images diverses. Comme nous le savons, ces deux facteurs (pertinence et diversité) sont très importants pour l'inspiration. Dans notre étude auprès de praticiens UI/UX évaluant la facilité d'utilisation et la performance de notre modèle, nos participants ont déclaré que ce modèle pourrait être une alternative viable aux outils d'inspiration actuels ou aux sites web pour les designers d'interface utilisateur.

Abstract

Inspiration is one of the substantial steps in the user interaction design process. The creativity and originality of the design work are important factors that are highly dependent on the inspiration step. Designers usually look for existing examples before starting the design to be familiar with and get ideas from the recent works. However, there are a limited number of tools exist to fulfill the user interface designers' needs in inspiration. In addition, existing design example retrieval techniques may cause design problems such as design drift or design fixation. We propose a StyleGAN-based approach to address these issues. The proposed technique is a style-based Generative Adversarial Network that is able to generate a random user interface design or a user interface design relevant to the input image. Our results show that the technique not only generates the relevant designs but also diverse images. In our user study with UI/UX practitioners evaluating the usability and the performance of our technique, our participants stated that this technique could be a feasible alternative for the current design example retrieval techniques for user interface designers.