[Paper] AutoFigure：生成与完善出版就绪的科学插图

Source: arXiv - 2602.03828v1

请提供您希望翻译的具体文本内容，我将为您翻译成简体中文并保留原有的格式、Markdown 语法以及技术术语。谢谢！

概述

创建清晰、可直接发表的图形是每个研究项目的隐藏成本。全新的 AutoFigure 系统通过自动将长篇科学文本（论文、综述、教材、博客）转换为精美插图，解决了这一瓶颈。作者还发布了 FigureBench，这是首个规模达 3.3 k 文本‑图形对的大规模基准，使得评估和改进面向科学图形的文本到图像模型成为可能。

关键贡献

• FigureBench 数据集 – 3,300 条高质量文本‑图形配对，涵盖多个领域和图形类型（示意图、图表、原理图）。
• AutoFigure 框架 – 一个“代理式”流水线，(1) 解析输入文本，(2) 推理所需的视觉组件，(3) 将它们重新组合成连贯的布局，(4) 在渲染前验证结果。
• 最先进的性能 – 大量实验表明 AutoFigure 在客观指标和专家人工评分上均优于现有的文本到图像基线。
• 开源发布 – 代码、数据和 Hugging Face 演示均已公开，可立即进行实验和集成。

方法论

1. 文本理解 – 系统首先在完整的科学段落上运行大型语言模型（LLM），以提取视觉概念（例如，“神经网络架构”、“相图”）和结构约束（例如，“显示三层”、“包含坐标轴标签”）。
2. 推理与规划 – 内部的“思考”模块使用链式思考提示，决定需要多少子图、它们的空间布局，以及哪些视觉原语（箭头、图例、颜色映射）是合适的。
3. 组件生成 – 每个子图由专门的扩散模型生成，该模型以提取的概念和布局计划为条件。
4. 验证与细化 – 第二个LLM检查渲染输出是否符合原始规格（例如，“坐标轴标签是否与描述的单位匹配？”）。如果发现不匹配，管道会迭代，调整提示或布局，直至图形通过验证清单。
5. 最终组装 – 验证通过的子图被合成为单个可用于出版的插图，具有一致的风格和标题生成。

整个管道端到端运行，几乎不需要人工干预，但仍保留“人在回路中”的后备机制，开发者可以提供自定义风格指南或覆盖决策。

结果与发现

• 量化收益：AutoFigure 在 FID（Fréchet Inception Distance）上提升了 23 %，在基于 CLIP 的相似度得分上提升了 15 %，相较于最强基线（普通的文本到图像扩散模型）。
• 人工评估：在一次包含 30 位领域专家的盲测中，AutoFigure 的输出中有 78 % 被评为“可直接提交”，而最佳基线仅为 42 %。
• 美学一致性：验证步骤将常见错误（标签缺失、坐标轴错位）降低了 > 90 %，从而产生更整洁、更可信的图形。
• 速度：在单个 A100 GPU 上生成一个多面板图（平均 3 个面板）约需 ~45 秒，时间与初级研究员手工草绘相当。

实际意义

• 加速稿件准备 – 研究人员可以直接从他们的 LaTeX 或 Markdown 草稿生成草图，节省分析和写作的时间。
• 一致的企业文档 – 技术公司在生成内部白皮书或 API 文档时，可自动强制统一的视觉风格。
• 教育内容创作 – 生成教科书或教程材料的平台可以大规模自动配图，降低对平面设计师的依赖。
• 快速原型化机器学习流水线 – 数据科学家可以即时请求模型架构或数据流的可视化，通过其 Python API 或 REST 端点集成 AutoFigure。

限制与未来工作

• Domain coverage – FigureBench，虽然多样，但仍在高度专业化领域（例如，需要定制符号的量子物理图）中代表性不足。
• Fine‑grained control – 当前的提示允许进行高层次的布局决策，但缺乏对笔画宽度、字体族或精确颜色调色板的精细控制，除非手动微调。
• Scalability of validation – 迭代验证循环会在非常复杂的图形上增加延迟；未来工作将探索更高效的约束求解器。
• User studies – 长期采用的影响（例如，研究人员如何编辑自动生成的图形）仍有待测量。

作者计划扩展 FigureBench，集成矢量图形后端（SVG），并探索多模态反馈（例如语音或草图），使 AutoFigure 成为更灵活的科学交流助手。

作者

• Minjun Zhu
• Zhen Lin
• Yixuan Weng
• Panzhong Lu
• Qiujie Xie
• Yifan Wei
• Sifan Liu
• Qiyao Sun
• Yue Zhang

论文信息

• arXiv ID: 2602.03828v1
• 分类: cs.AI, cs.CL, cs.CV, cs.DL
• 发表时间: 2026年2月3日
• PDF: 下载 PDF