无需代码，无需云：基于轻量级视觉语言AI的端侧设计稿转代码

弥合视觉设计与功能代码之间的差距仍然是现代UI工作流程中的持续挑战，特别是对于小团队和非编程人员而言。现有解决方案（如Figma转代码工具和最近的视觉语言模型）通常依赖专有云API或大规模架构，限制了离线操作、隐私和控制。我们提出LiteViT5，一种轻量级的端侧视觉语言模型，可直接从设计稿图像生成HTML，实现无需云基础设施的私有化无代码原型设计。LiteViT5基于紧凑的ViT-T5编码器-解码器框架，包含235M参数，在分布内（WebSight）和分布外（Design2Code）基准测试中均取得竞争性结果。我们评估了其在结构、位置、颜色和基于CLIP的相似性指标上的性能，并报告其与PaliGemma-3B、LLaVA-7B和DeepSeek-VL-7B等大10-30倍的模型相当。我们进一步在24名参与者评估感知准确性、代码质量和可编辑性的用户研究中评估了LiteViT5。我们的发现表明LiteViT5支持快速设计迭代，减少了对开发者交接的依赖，使其成为民主化网页界面创建的实际辅助工具。这项工作凸显了高效、以人为中心的生成式AI在赋能界面设计方面的潜力超越了仅限于专家的工作流程。为支持透明性和可复现性，我们将LiteViT5作为开源模型发布在Hugging Face上。