llmsresearch/paperbanana

PaperBanana – AI駆動の図とプロット生成

何であるか – PaperBananaは、研究者が方法のテキスト記述（またはCSV/JSON形式の結果データ）を、出版用の図に自動変換できるオープンソースのPythonパッケージです。これは、大規模言語モデル（LLM）と視覚言語モデル（VLM）をマルチエージェントパイプラインで連携させ、出力を反復的に改善し、レビュアーが満足するまで繰り返すことで実現します。

主な機能

• 方法論図 – method.txt（またはPDFページ）とキャプションを入力；システムは視覚的レイアウトを計画し、画像をレンダリングし、ループで評価を行います（デフォルト3ラウンド、オプションで自動再修正）。
• 統計プロット – データファイルと意図の文字列を入力；VLMがmatplotlibコードを生成し、実行してプロットを作成（画像生成モデルは不要）。
• バッチおよびスイープ対応 – 1つのYAML/JSONマニフェストで数十の図やプロットを生成可能。オプションで複合図の自動結合も可能。
• 会議スタイルパック – NeurIPS、ICML、ACL、IEEEのテンプレートを内蔵。ユーザーは独自のスタイルパックを追加し、フォント、アスペクト比、その他のフォーマットルールを強制可能。
• 複数のプロバイダー対応 – OpenAI（GPT-5.2、GPT-Image-1.5）、Azure/OpenAI、Google Gemini、Atlas Cloudを、テキストおよび画像生成の両方で利用可能。CLIフラグでプロバイダーとモデルを上書き可能。
• CLI、Python API、Gradio UI – paperbanana generate、paperbanana plot、paperbanana batchなど；また、インタラクティブ実行用のローカルWeb UI（paperbanana studio）も提供。

動作方法

1. 入力最適化（オプション） – 並列VLM呼び出しで元の方法テキストを再構成し、キャプションを明確化。
2. 計画フェーズ – リトリーバーが関連する例図を抽出、プランナーが詳細な視覚的記述を策定、スタイリストがターゲット会議向けに仕上げ。
3. 反復的改善 – ビジュアライザーが記述から画像を生成；レビュアーが元データと比較して改善された記述を返す。ステップ4〜5を繰り返す。

インストールとクイックスタート

pip install paperbanana          # コアパッケージ
pip install 'paperbanana[studio]'  # オプションのGradio UI
paperbanana generate \
  --input examples/sample_inputs/transformer_method.txt \
  --caption "Overview of our encoder-decoder architecture"

ゼロセットアップで実験可能なColabノートブックとDockerイメージも提供されています。

一般的な利用例

1. アルゴリズムの概要を短い「方法」テキストとして記述。
2. 論文で使用する図のキャプションと一致するキャプションで paperbanana generate を実行。
3. 中間画像を確認し、必要に応じてフィードバック（--feedback）を入力、または自動再修正ループを完了させる。
4. outputs/run_<timestamp>/フォルダから最終的なPNG（またはJPEG/WebP）を取得し、マニュスクリプトに挿入。

誰が恩恵を受けるか – AI研究者、MLエンジニア、および手動で図を描画ツールで作成せずに、一貫性があり会議スタイルに準拠した図を生成したいすべての人。

---

クイックリファレンス（CLI）

コマンド	目的
paperbanana generate	テキスト/PDFから方法論図を作成。
paperbanana plot	CSV/JSONから統計プロットを生成。
paperbanana batch / plot-batch	マニフェストから多数の図またはプロットを実行。
paperbanana venues	会議スタイルパックのリスト表示、初期化、管理。
paperbanana studio	ローカルGradio UIを起動。
paperbanana sweep	プロバイダー/モデルなどに対するハイパーパラメータスイープ。

---

リンク

• PyPI: https://pypi.org/project/paperbanana/
• デモ（HuggingFace Space）: https://huggingface.co/spaces/llmsresearch/paperbanana
• Colabクイックスタートノートブック: https://colab.research.google.com/github/llmsresearch/paperbanana/blob/main/notebooks/PaperBanana_Colab_Quickstart.ipynb
• 論文（arXiv 2601.23265）: https://arxiv.org/abs/2601.23265

---

ライセンス – MIT（LICENSEを参照）