AI I024: 科研人神器，论文秒变海报！Paper2Poster：一键生成顶会级学术Poster，再也不用为赶会熬夜做PPT啦。

2025年6月6日星期五

科研人神器，论文秒变海报！Paper2Poster：一键生成顶会级学术Poster，再也不用为赶会熬夜做PPT啦。

由滑铁卢大学、新加坡国立大学、牛津大学提出的面向科学论文的多模式海报自动化生成方法Paper2Poster，主

由滑铁卢大学、新加坡国立大学、牛津大学提出的面向科学论文的多模式海报自动化生成方法Paper2Poster，主要解决了如何根据论文创建海报以及如何评估海报。

AI能否根据论文设计出精美的海报？

GPT-4o 或开源多智能体如何表现？

GPT-4o-image 的布局乍一看还算可以接受，但仔细观察放大区域后会发现文本渲染效果不佳，导致细粒度细节的可读性较差。GPT -4o-HTML和OWL生成的海报类似博客，文本密集，但视觉可读性较低。PPTAgent 的布局控制存在问题，经常导致面板缺失。

海报由 PosterAgent 生成

相比之下，PosterAgent可以生成结构连贯且可读的海报，同时使用的文字却少得多。

有哪些挑战？

长语境长视野任务：科学论文篇幅浩大，字数众多。要总结关键见解并保持连贯性，需要层层理解和选择性抽象。论文的复杂性进一步要求论文具备长视野推理能力和多次迭代交互，这使得这项任务极具挑战性。
交错多模态输入：论文整合了大量的图形、表格和图表，每个都与周围的文本语义关联。成功的海报生成需要能够以符合语境的方式提取、解读和对齐这些多模态元素。
布局感知的多模态输出：与仅关注文本（例如博客）或视觉的任务不同，海报生成需要在受限的空间布局内生成交错的文本和图像输出。这需要对语言、视觉内容和布局进行联合推理，以防止溢出、不平衡和逻辑错位。

如何制作海报👉PosterAgent

自上而下、视觉循环、高效的多代理管道。（a）解析器将论文提炼成结构化资产库；（b）规划器将文本-视觉对对齐为二叉树布局，以保持阅读顺序和空间平衡；（c）画家-评论者循环通过执行渲染代码并使用 VLM 反馈来消除溢出并确保对齐，从而细化每个面板。

如何评估海报👉PaperQuiz

好的海报应该以视觉的方式传达论文的核心内容。左图：论文使用 LLM (o3) 自动生成每篇论文的多项选择题，构成 PaperQuiz 的评估。右图：在 PaperQuiz 中，论文模拟多个读者，允许代表不同专业水平（例如学生、教授）的 VLM 阅读每张生成的海报并回答测验。获得最高平均分数的海报被认为最有效地传达了论文的内容。

论文介绍

学术海报生成是科学交流中一项至关重要但又颇具挑战性的任务，需要将长上下文交错的文档压缩成单个视觉上连贯的页面。为了应对这一挑战，我们推出了第一个海报生成的基准和指标套件，该套件将近期会议论文与作者设计的海报配对，并评估以下方面的输出：(i) 视觉质量——与人类海报的语义对齐，(ii) 文本连贯性——语言流畅性，(iii) 整体评估——由 VLM 作为评判员评分的六个细粒度的美学和信息标准，以及值得注意的是 (iv) PaperQuiz——海报传达核心论文内容的能力，由 VLM 回答生成的测验来衡量。

在此基准的基础上，论文提出了 PosterAgent，这是一个自上而下、视觉在环的多智能体管道：(a) Parser 将论文提炼为结构化资产库；(b) Planner 将文本-视觉对对齐成二叉树布局，以保持阅读顺序和空间平衡；（c）Painter-Commenter 循环通过执行渲染代码并使用 VLM 反馈来优化每个面板，以消除溢出并确保对齐。在我们的综合评估中，我们发现 GPT-4o 的输出——尽管乍一看很有视觉吸引力——通常会出现文本噪声和较差的 PaperQuiz 分数，并且我们发现读者参与度是主要的审美瓶颈，因为人工设计的海报很大程度上依赖于视觉语义来传达意义。我们完全开源的 Paper2Poster 流水线在几乎所有指标上都优于基于 GPT-4o 的系统，同时消耗的 token 减少了 87%。这些发现为下一代全自动海报生成模型指明了明确的方向。