论文秒变海报！开源框架PosterAgent一键生成顶会级学术Poster
你好研究僧，听说刚刚中了顶会，却还在愁怎么做 Poster（学术海报）？
别急，容在下为你推荐一款新时代科研党神器——PosterAgent，帮你一键从paper.pdf跳转poster.pptx。
相比 GPT-4o，PosterAgent 生成指标更优，同时 token 使用量减少87%，还只需要0.0045 美元，就可将 22 页的论文转化为可编辑的 ".pptx" 终稿海报。
来自滑铁卢大学的联合研究团队，还精心构建了首个学术海报评估标准Paper2Poster，解决了长上下文、多模态压缩的评估空白。
话不多说，先给大家展示一波效果，以下面这篇 CV 论文为例。
先喂给 GPT-4o-image，得到的是这样的：
显然学术海报三要素（吸睛标题、重点突出、色彩排版），GPT-4o-image 通通都没有。
不妨交给 PosterAgent 试试：
视觉更连贯、信息还高效，难怪连已经毕业了的师兄师姐们都在 X 上哭诉，凭什么我们当年没有它。
这下妈妈再也不用担心我做不好 Poster，被老板在群里夺命 call 了（狗头）。
下面来讲讲它为啥这么好用。
多模态海报自动生成
Poster 在学术会议里的重要性不言而喻，需要让与会者在几分钟内就迅速从中掌握核心内容，这就很考验制作者的论文浓缩能力，以及文本和图形的排版功底。
为了帮大家解放双手，以及更一目了然地评估海报效果，研究团队提出了评估基准 Paper2Poster以及基于此构建的多智能体框架 PosterAgent。
Paper2Poster：首个学术海报评估基准
Paper2Poster 的数据包含 100 对 AI 领域论文和作者设计的海报，涵盖计算机视觉（19%）、自然语言处理（17%）和强化学习（10%）等子领域的 280 个不同主题，论文平均22 页，生成海报的文本压缩比约为 14.4 倍，图形减少比约为 2.6 倍。
评估指标覆盖四个基本维度：
视觉质量：使用 CLIP 图像嵌入测量生成海报与作者设计海报之间的视觉相似度，再计算图像和文本的相关性，以确保图像属于有效整合。
文本连贯性：计算文本在Llama-2-7b-hf下的标准困惑度（PPL），衡量文字流畅度。
整体评估：选择一个 VLM（如 GPT-4o），从美学 （元素质量、布局平衡、参与度）和信息 （清晰度、完整性、逻辑流）两个方面进行1 到 5 分打分。
PaperQuiz：这是团队专门设计的评估指标，以模拟作者和读者的交流。让代表不同专业水平（例如学生和教授）的 VLMs 阅读每张海报并回答测验，获得最高平均分的海报被认为在传达论文内容方面最有效。
PosterAgent：多阶段自动生成框架
根据 Paper2Poster 的要求，团队设计了一个采用自上而下设计理念的多智能体流程 PosterAgent。
首先全局地将整个文档重组为简洁、连贯的章节，然后进行局部精炼，以实现颗粒度对齐。
具体包含三个关键组件：
解析器 （Parser）：将工具和基于 LLM 的摘要相结合，提取关键文本和视觉内容，生成结构化摘要库（如各章要点、重要图表）。
规划器 （Planner）：匹配文本与图表，并用二叉树布局策略将其连贯排列，通过放大（zoom-in）机制迭代生成面板。
绘制器 - 评论器 （Painter-Commenter）：绘制器将内容转为简洁的要点列表和用于渲染的可执行代码，而 VLM 作为评论器提供布局反馈，确保整体连贯性和避免溢出。
超越 GPT-4o？
眼见为实，为验证 PosterAgent 生成效果，研究人员用 Paper2Poster 评估了四类基线方法：
理想化方法 （Oracle methods）：包含原始 PDF和作者设计的海报GT Poster，作为最佳呈现基准。
端到端方法 （End-to-end methods）：使用GPT-4o。
多智能体工作流 （Multi-agent work flows）：使用OWL和PPTAgent。
PosterAgent：框架变体分两种，PosterAgent-4o在内部 LLM 和 VLM 评论器均使用 GPT-4o，PosterAgent-Qwen的文本生成使用 Qwen-2.5-7B，评论器则使用 Qwen-2.5-VL-7B。
实验结果表明，在视觉质量和文本连贯性上，虽然 4o-Image 达到了最高的视觉相似度，但它也记录了最差的困惑度，说明生成的海报可能乍一看吸引人，但实际细看全是嘈杂或不连贯的文本。
PosterAgent 则实现了最高的图形相关性，在视觉相似度上也紧随人类设计的海报。
当 VLM 评判时，PosterAgent-4o 的平均得分为3.72，达到了与人类设计海报相当的水平，而 PPTAgent 因为经常生成无意义的文本或大片空白区域，因此得分都较低。
在 PaperQuiz 上，也能发现 PosterAgent 变体始终取得最佳分数。
值得注意的是，PosterAgent-4o 虽然依据 GPT-4o 实现了冗长输出，但基于开源的 Qwen-2.5 系统变体在原始准确率上更胜一筹，说明 PaperQuiz 在评估时，内容量很重要，但呈现质量更重要。
团队还计算了不同方法下的平均 token 成本，PosterAgent 仅使用 101.1K 和 47.6Ktoken，相较于 OWL-4o 成本降低了 60%-87%，相当于每张海报只需要0.55 美元 （基于 4o）或0.0045 美元 （基于 Qwen）。
最后为了方便大家更直观地了解几种方法的海报生成效果，咱再举个例子。
这是论文作者自己做的，主题明确，重点突出，色彩搭配也和谐。
这张来自 GPT-4o-image，看起来好像还行？但是仔细看文字，里面还是有不少乱码。
这张由 GPT-4o-html 生成，图片嵌入失败，文本也缺少排版。
这张出自 PPTAgent，生成了大量空白区域。
下面这张来自 OWL，同样缺少图像，甚至没有多余色彩填充。
最后是咱们的 PostAgent，对比下来，海报结构清晰明了，图表与文字匹配度也相当高，在视觉效果上更接近作者设计的海报。
扩展一下思路，也许 PosterAgent 还可以用于制作课程学习资料。
公司里的 PPT 也未尝不能一试。
所以感兴趣的小伙伴们速速收藏起来这个海报神器～接下来的 CVPR、ACL 刚好都可以用上。
论文链接：https://arxiv.org/abs/2505.21497
代码链接：https://github.com/Paper2Poster/Paper2Poster
项目链接：https://paper2poster.github.io/
参考链接：
[ 1 ] https://x.com/real_weipang/status/1927797168171254006
[ 2 ] https://x.com/_akhaliq/status/1927721150584390129
— 完 —
量子位 AI 主题策划正在征集中！欢迎参与专题365 行 AI 落地方案，一千零一个 AI 应用，或与我们分享你在寻找的 AI 产品，或发现的AI 新动向。
也欢迎你加入量子位每日 AI 交流群，一起来畅聊 AI 吧～
一键关注 点亮星标
科技前沿进展每日见
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！