От статьи к стенду: новая система создаёт научный постер за секунды

Научные постеры остаются важным каналом очной коммуникации, однако их ручная подготовка требует значительного времени и навыков вёрстки. При попытке автоматизировать процесс модели сталкиваются с тремя трудностями: необходимо кратко пересказать большой объём текста, корректно связать изображения и цитаты и расположить элементы так, чтобы читатель без труда проследил логику изложения. Paper2Poster решает эти задачи комплексно: создаётся репрезентативный набор данных, формируются объективные критерии оценки, а затем разрабатывается специализированная модель, обученная с учётом этих критериев.

Бенчмарк Paper2Poster сочетает четыре группы показателей. Визуальное качество отражает совпадение расположения и смысла графических элементов с работой автора; текстовая связность оценивает грамматику и читаемость; целостная оценка охватывает шесть эстетических и информативных признаков, вычисляемых визуально-языковой моделью-судьёй; наконец, PaperQuiz генерирует вопросы по содержанию статьи и проверяет, способен ли просмотр постера дать правильные ответы. Такой многогранный подход позволяет измерить не только красоту макета, но и реальную полезность итогового документа.

Конвейер PosterAgent разбит на три взаимосвязанных модуля. Parser извлекает из PDF структуру текста, фигур и таблиц и формирует библиотеку ресурсов. Planner распределяет пары «текст – изображение» по древовидному макету, соблюдая порядок чтения и баланс панелей. Painter-Commenter циклит через рендеринг и автоматическую проверку визуально-языковой моделью, устраняя переполнения и выравнивая подписи до тех пор, пока постер не удовлетворит всем критериям оценки. Такая архитектура обеспечивает строгий контроль макета при минимальном количестве вызовов больших моделей.

В испытаниях на собственном бенчмарке варианты PosterAgent на базе семейства Qwen-2.5 уверенно опережают цепочки действий GPT-4o: по PaperQuiz и совокупному индексу качества получена прибавка в несколько пунктов при сокращении затрат токенов на 87 %. Конвейер превращает типичную статью объёмом 22 страницы в редактируемый постер менее чем за один цент и завершает процесс без участия человека. Эти результаты задают планку для будущих систем и доказывают, что многоагентный подход способен конкурировать с крупными проприетарными моделями, оставаясь полностью открытым.

Paper2Poster показывает, что автоматическое создание академических постеров достижимо уже сегодня: достаточно объединить модульный разбор документа, планирование макета и итеративное визуально-текстовое согласование. Представленный датасет и метрики дают исследовательскому сообществу прозрачный способ измерять прогресс, а открытый код PosterAgent делает технологию доступной для внедрения в редакционные и образовательные инструменты. Работа тем самым расширяет горизонты применения мультимодальных моделей и стимулирует дальнейшие исследования, где основное внимание уделяется не только качеству генерации, но и удобству восприятия результата человеком.

Савва Блинов | AI-аналитик АО «Инноцифра» 

#ИИ_экспертиза