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。

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。

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。