llmsresearch/paperbanana

해결하는 문제

PaperBanana은 출판 수준의 학술 다이어그램과 통계 플롯 생성을 자동화합니다. AI 연구 논문에서 복잡한 방법론 도표를 설계하고 데이터를 플롯하는 수작업을 제거하며, NeurIPS와 같은 전문적인 미학 가이드라인을 따릅니다.

작동 방식

이 시스템은 최대 7개의 전문 에이전트로 구성된 다중 에이전트 파이프라인을 사용합니다.

1. 입력 최적화: Input Optimizer는 Context Enricher와 Caption Sharpener를 사용하여 원시 텍스트를 구조화하고 캡션을 정확한 시각적 사양으로 정제합니다.
2. 선형 계획: Retriever는 관련 참조 예제를 찾고, Planner는 다이어그램에 대한 상세한 텍스트 설명을 생성하며, Stylist는 색상, 레이아웃, 타이포그래피와 같은 미학 가이드라인을 적용합니다.
3. 반복적 정교화: Visualizer는 이미지를 렌더링하고, Critic은 원본 컨텍스트에 기반하여 평가하여 수정 피드백을 제공합니다. 이 루프는 이미지가 만족스러워지거나 한도에 도달할 때까지 반복됩니다.

통계 플롯의 경우, 시스템은 VLM을 통해 matplotlib 코드를 생성하여 CSV 또는 JSON 파일에서 데이터를 렌더링합니다.

대상 사용자

학술 출판물을 위한 전문적인 도표, 방법론 다이어그램, 데이터 플롯을 생성해야 하는 AI 과학자 및 연구자입니다.

주요 기능

• 다중 제공자 지원: OpenAI, Google Gemini, Azure OpenAI, Atlas Cloud와 호환됩니다.
• 반복적 정교화: Critic 에이전트가 출력이 품질 기준을 충족할 때까지 루프하는 '자동 정교화' 모드를 제공합니다.
• 유연한 입력: 원시 텍스트, PDF 파일(페이지 선택 가능), 참조 스케치 이미지를 입력으로 지원하여 레이아웃을 안내합니다.
• 배치 처리: 매니페스트 파일에서 여러 다이어그램 또는 플롯을 생성하고 자동으로 복합 도표로 조합할 수 있습니다.
• PaperBanana Studio: 워크플로우 관리 및 출력 탐색을 위한 로컬 Gradio 웹 UI를 포함합니다.
• 저널 스타일 팩: NeurIPS, ICML, ACL, IEEE 등의 저널용 내장 및 사용자 정의 가능한 스타일 가이드가 있습니다.