Paper2Poster/Paper2Poster

解決する課題

研究論文からポスターを作成する作業は時間がかかり、手作業が必要です。Paper2Posterはこのプロセス全体を自動化します。paper.pdfを受け取り、編集可能なposter.pptxを生成するだけでなく、生成されたポスターの品質を客観的に評価するためのツールも提供します。

仕組み

コアエンジンは、トップダウン型の視覚フィードバックを備えたマルチエージェントシステムである PosterAgent です。以下の3つのステージで動作します：

1. Parser – 論文を構造化されたアセットライブラリ（テキスト、図、表など）に抽出します。
2. Planner – テキストと視覚要素のペアを、読み取り順序と空間バランスを維持する二分木レイアウトに配置します。
3. Painter-Commentor loop – 各ポスターパネルはレンダリングコードの実行によって洗練され、その後、視覚言語モデル (VLM) がフィードバックを提供して、オーバーフローや配置の問題を修正します。

LLMとVLM（例：GPT-4o やローカルの Qwen-2.5-7B モデル）を自由に組み合わせて使用でき、--max_workers を使用して生成を並列実行することも可能です。また、YAMLベースのスタイルカスタマイズ、会議や機関のロゴの自動検索（ローカルストア + DuckDuckGo または Google）、Dockerデプロイ、Gradioデモもサポートしています。

評価のために、Paper2Posterにはデータセットと3つの指標ファミリーが含まれています：PaperQuiz（ポスターに基づいた論文に関する質疑応答）、VLM-as-Judge、および統計的指標です。独自の論文用に PaperQuiz を作成することも可能です。

対象ユーザー

• 手作業でのレイアウト作業なしで会議用ポスターが必要な研究者や学生。
• 論文からポスター用のコンテンツを準備する軽量なスキルを求める開発者やAIエージェント（CodexやClaudeなど）。
• 特に学術分野において、自動化されたドキュメントからビジュアルへの生成に取り組んでいる方。

ハイライト

• 論文PDFから直接編集可能な .pptx ポスターを生成。
• 高品質なレイアウトを実現する視覚フィードバック付きマルチエージェントパイプライン。
• 柔軟なモデルの組み合わせ：クラウドAPIまたはローカルのオープンソースモデル（vLLM経由）を使用可能。
• 会議や機関のロゴの自動挿入。
• YAMLベースのスタイルカスタマイズとデフォルトテーマ。
• 評価スイート：PaperQuiz、VLM-as-Judge、統計的指標。
• DockerおよびGradioサポートによる容易なデプロイとデモ。
• コーディングアシスタントで使用可能な軽量エージェントSKILL。