P2P：自动化论文到海报生成与细粒度基准
计算与语言
2025-05-26 v1 多媒体
摘要
学术海报是学术交流的重要载体，但手动创建海报工作量大。然而，自动化学术海报生成面临着在保持精细科学细节和实现有效的视觉-文本集成方面的重大挑战。现有方法往往在语义丰富性和结构细微差方面不足，且缺乏用于全面评估生成学术海报的标准化基准。为此，我们引入P2P——第一个灵活的、基于 LLM 的多智能体框架，可直接从研究论文生成高质量的 HTML 渲染学术海报，展现出强大的实际应用潜力。P2P 采用三个专门的智能体——视觉元素处理、内容生成和最终海报组装——每个智能体均集成专门的检查模块，以实现迭代细化并确保输出质量。为推动该领域的进展和严格评估，我们构建并发布了P2PInstruct——首个规模为30,000余条的高质量指令数据集，专为学术论文到海报生成任务而设计。此外，我们建立了P2PEval——包含121对论文-海报配对的综合基准，采用双重评估方法（通用评估与细粒度评估），利用 LLM 作为评判员以及详细的人工标注检查表。我们的贡献旨在简化研究扩散，为社区提供强大的工具，以发展和评估下一代海报生成系统。
引用
@article{arxiv.2505.17104,
title = {P2P: Automated Paper-to-Poster Generation and Fine-Grained Benchmark},
author = {Tao Sun and Enhao Pan and Zhengkai Yang and Kaixin Sui and Jiajun Shi and Xianfu Cheng and Tongliang Li and Wenhao Huang and Ge Zhang and Jian Yang and Zhoujun Li},
journal= {arXiv preprint arXiv:2505.17104},
year = {2025}
}