Figures as Programs: Recursive Generation of Editable Scientific Figures

TL;DR

FigTree通过递归SVG程序生成科学图表,显著提升编辑性和质量。

cs.AI 🔴 高级 2026-09-01 33 次浏览
Yepeng Liu Dasen Dai Chengzhi Liu Yiren Song Hai Ci Yu Zhang Qi Zhang Mike Zheng Shou Xin Eric Wang Yuheng Bu
科学图表 SVG程序 递归生成 多智能体系统 编辑性

核心发现

方法论

FigTree将科学图表生成重新定义为递归SVG程序构建。通过多智能体系统,逐层分解图表为区域,生成局部SVG代码并合并,同时利用渲染-批评循环修复视觉缺陷。

关键结果

  • FigTree在PaperBananaBench数据集上整体评分59.59,比最强基线高9.59分,特别是在内容忠实度和简洁性上表现突出。
  • 在细粒度诊断中,FigTree在语义覆盖和视觉精细度等维度上排名第一,总分8.39。
  • 实验表明,FigTree的递归生成和批评修复机制显著减少了内容幻觉问题。

研究意义

该研究解决了科学图表生成中编辑性差和视觉缺陷难以修复的痛点,为学术界提供了一种高效生成高质量图表的新方法,并推动了自动化研究工具的发展。

技术贡献

FigTree提出了递归分解和批评修复的创新框架,结合多智能体系统和SVG代码生成,显著提升了图表的编辑性和生成质量,同时提供了新的验证和修复机制。

新颖性

FigTree首次将科学图表生成定义为递归SVG程序构建,与传统栅格图像生成方法相比,提供了更高的编辑性和语义控制能力。

局限性

  • 目前仅支持SVG格式,无法直接生成其他矢量格式。
  • 对复杂图表的生成效率仍有提升空间。
  • 批评修复循环可能增加计算成本。

未来方向

未来可以扩展至支持多种矢量图格式,优化生成效率,并探索更智能的批评机制以减少计算成本。

AI 总览摘要

科学图表是学术交流的重要工具,但其生成过程通常耗时且难以编辑。现有栅格图像生成方法虽然能生成视觉效果良好的图表,但编辑性差且难以修复视觉缺陷。

FigTree提出了一种创新的递归SVG程序生成框架,将科学图表分解为多个区域,由多智能体系统逐层生成并合并,同时通过渲染-批评循环修复缺陷。该方法显著提升了图表的编辑性和质量。

实验表明,FigTree在多个基准数据集上表现优异,尤其在内容忠实度和简洁性上超越现有方法。该研究为科学图表生成提供了新的技术路径,并为自动化研究工具的发展奠定了基础。

深度分析

研究背景

科学图表是学术论文的重要组成部分,用于清晰传达复杂方法。然而,传统生成方法依赖人工设计,耗时且难以编辑。近年来,栅格图像生成模型如Nano Banana Pro和GPT-Image-2虽能生成视觉效果良好的图表,但编辑性差,视觉缺陷难以修复。

核心问题

现有方法生成的栅格图表无法直接编辑,且视觉缺陷难以定位和修复。此外,复杂图表的一次性生成质量往往不佳,需要多轮迭代。

核心创新

FigTree通过递归分解图表为局部区域,生成短SVG代码片段并合并,同时引入渲染-批评循环修复缺陷。相比传统方法,FigTree提供了更高的编辑性和语义控制能力。

方法详解

  • �� 图表分解:将图表分解为层次化区域,每个区域生成独立SVG代码。
  • �� 多智能体系统:每个节点由生成器代理处理,生成局部代码并报告布局信息。
  • �� 批评修复:渲染图表后,批评器检查视觉缺陷并定位代码问题,逐步修复。

实验设计

实验使用PaperBananaBench数据集,包含292个方法图表案例。基线包括Nano Banana Pro、Crafter等。评估维度包括忠实度、简洁性、可读性和美观度。

结果分析

FigTree在忠实度上得分46.23,在简洁性上得分64.38,总体评分59.59,显著高于最强基线Crafter的50.00分。细粒度诊断显示其在视觉精细度和内容控制上表现突出。

应用场景

FigTree适用于学术论文图表生成,尤其是复杂方法图表的高效生成和编辑。其递归生成框架可用于其他矢量图生成任务。

局限与展望

目前仅支持SVG格式,复杂图表生成效率较低,批评修复循环可能增加计算成本。未来可探索支持更多格式并优化效率。

通俗解读 非专业人士也能看懂

想象你在设计一个复杂的拼图游戏。传统方法是直接画出拼图的整体图案,但如果某一块拼图有问题,你就得重新画整个图。FigTree的方法更像是先设计每块拼图的形状和图案,然后把它们拼在一起。如果某块拼图有问题,你只需要修复这一块,而不影响其他部分。

简单解释 像给14岁少年讲一样

嘿,想象你在玩Minecraft!你要建一个超酷的城堡,但每次都得从头建整个城堡,太麻烦了吧?FigTree就像是让你先建一个个小房间,然后把它们拼起来。如果某个房间不对劲,你只需要修修这个房间就好,其他房间都不会乱!是不是很聪明?

术语表

SVG (可缩放矢量图)

一种基于XML的矢量图格式,支持高精度和可编辑性。

用于生成科学图表的核心格式。

递归分解

将复杂任务分解为多个简单子任务的过程。

用于逐层生成图表区域。

渲染-批评循环

通过渲染图表并检查缺陷来迭代优化的过程。

用于修复视觉缺陷。

多智能体系统

由多个代理协作完成复杂任务的框架。

用于递归生成和修复图表。

内容幻觉

生成模型输出中出现与输入无关的错误信息。

FigTree通过分解和批评机制减少此问题。

开放问题 这项研究留下的未解疑问

  • 1 如何支持更多矢量图格式?
  • 2 如何优化复杂图表的生成效率?
  • 3 批评修复循环的计算成本如何降低?

应用场景

近期应用

学术图表生成

快速生成高质量、可编辑的科学图表,适用于论文和报告。

教育工具

帮助学生和教师生成清晰的教学图表,提高课堂效率。

远期愿景

自动化研究工具

推动科学研究流程自动化,从图表生成到论文撰写的全流程优化。

原文摘要

Scientific methodology figures are essential for communicating complex methods clearly, yet creating them remains labor-intensive and typically requires multiple rounds of refinement. Recent image-generation models can synthesize visually appealing raster figures, but producing a human-satisfactory result in a single generation step remains difficult. Moreover, precise edits to raster figures are challenging for both humans and models. We formulate scientific figure generation as recursive SVG program construction and propose \textsc{FigTree}, a \textit{multi-agent} system that automatically transforms a scientific paper into a structured vector figure. \textsc{FigTree} grounds figure content in the source paper, decomposes a figure into a hierarchy of local regions, generates each region as a short SVG program, and assembles the resulting fragments. A render-critic refinement loop jointly inspects the rendered figure and its underlying program, enabling visual defects to be traced to specific statements and accurately repaired. We conduct extensive evaluations of \textsc{FigTree} on figure quality and editability, showing that \textsc{FigTree} produces high-quality figures, while also enabling more effective editing than existing raster-based methods.

cs.AI cs.GR