論文の概要: KTBox: A Modular LaTeX Framework for Semantic Color, Structured Highlighting, and Scholarly Communication

• arxiv url: http://arxiv.org/abs/2510.01961v1
• Date: Thu, 02 Oct 2025 12:32:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.125975
• Title: KTBox: A Modular LaTeX Framework for Semantic Color, Structured Highlighting, and Scholarly Communication
• Title（参考訳）: KTBox: セマンティックカラー、構造化されたハイライト、学習コミュニケーションのためのモジュール型LaTeXフレームワーク
• Authors: Bhaskar Mangal, Ashutosh Bhatia, Yashvardhan Sharma, Kamlesh Tiwari, Rashmi Verma,
• Abstract要約: ktboxは、セマンティックカラーパレット、構造化ハイライトボックス、分類木、作者のメタデータユーティリティを統一するモジュラーフレームワークである。 主な機能としては、自動ナンバー付テイクアウトボックス、ワイドフォーマットハイライト、フレキシブルツリー視覚化、組込みテーブル、列挙、コードブロックをサポートするマルチカラムレイアウトなどがある。
• 参考スコア（独自算出の注目度）: 0.7340017786387766
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The communication of technical insight in scientific manuscripts often relies on ad-hoc formatting choices, resulting in inconsistent visual emphasis and limited portability across document classes. This paper introduces ktbox, a modular LaTeX framework that unifies semantic color palettes, structured highlight boxes, taxonomy trees, and author metadata utilities into a coherent system for scholarly writing. The framework is distributed as a set of lightweight, namespaced components: ktcolor.sty for semantic palettes, ktbox.sty for structured highlight and takeaway environments, ktlrtree.sty for taxonomy trees with fusion and auxiliary annotations, and ktorcid.sty for ORCID-linked author metadata. Each component is independently usable yet interoperable, ensuring compatibility with major templates such as IEEEtran, acmart, iclr conference, and beamer. Key features include auto-numbered takeaway boxes, wide-format highlights, flexible taxonomy tree visualizations, and multi-column layouts supporting embedded tables, enumerations, and code blocks. By adopting a clear separation of concerns and enforcing a consistent naming convention under the kt namespace, the framework transforms visual styling from cosmetic add-ons into reproducible, extensible building blocks of scientific communication, improving clarity, portability, and authoring efficiency across articles, posters, and presentations.
• Abstract（参考訳）: 科学的写本における技術的洞察の伝達は、しばしばアドホックなフォーマットの選択に依存し、一貫性のない視覚的強調と文書クラス間のポータビリティの制限をもたらす。 本論文では, 意味的カラーパレット, 構造的ハイライトボックス, 分類木, 著者のメタデータユーティリティを, 学術的記述のためのコヒーレントなシステムに統一する, モジュール型LaTeXフレームワークであるktboxを紹介する。 ktcolor.sty for semantic palettes, ktbox.sty for structured highlight and takeaway environment, ktlrtree.sty for taxonomy tree with fusion and assistant annotations, ktorcid.sty for ORCID-linked author metadata。 各コンポーネントは独立して使用可能ですが、相互運用可能で、IEEEtran、acmart、iclr conference、 beamerといった主要なテンプレートとの互換性が保証されます。 主な機能としては、自動ナンバー付テイクアウトボックス、ワイドフォーマットハイライト、フレキシブルな分類木視覚化、組込みテーブル、列挙、コードブロックをサポートするマルチカラムレイアウトなどがある。 懸念を明確に分離し、kt名前空間の下で一貫した命名規則を施行することにより、このフレームワークは、化粧品のアドオンから科学的コミュニケーションの再現可能で拡張可能なビルディングブロックに変換し、明確さ、ポータビリティを改善し、記事、ポスター、プレゼンテーションのオーサリング効率を向上させる。

関連論文リスト

• PosterForest: Hierarchical Multi-Agent Collaboration for Scientific Poster Generation [28.02969134846803]
  文書構造と視覚的・テキスト的関係を共同で符号化する階層型中間表現であるtextitPoster Tree を導入する。 本フレームワークでは,コンテンツ要約とレイアウト計画を専門とするエージェントが反復的に協調し,相互にフィードバックを提供するマルチエージェント協調戦略を採用している。
  論文  参考訳（メタデータ） (2025-08-29T15:36:06Z)
• SmartCLIP: Modular Vision-language Alignment with Identification Guarantees [59.16312652369709]
  Contrastive Language-Image Pre-Traiing (CLIP)citepradford2021 Learningは、コンピュータビジョンとマルチモーダル学習において重要なモデルとして登場した。 CLIPは、多くの画像テキストデータセットにおける潜在的な情報ミスアライメントに苦労し、絡み合った表現に悩まされている。 モジュラー方式で、最も関連性の高い視覚的およびテキスト的表現を特定し、調整する新しいアプローチである。
  論文  参考訳（メタデータ） (2025-07-29T22:26:20Z)
• Adaptive Markup Language Generation for Contextually-Grounded Visual Document Understanding [42.506971197471195]
  ドキュメント解析のために約3.8Mの事前学習データペアで構成されるDocMark-Pileと、グラウンドド命令に従うための624kの微調整データアノテーションを備えたDocMark-Instructの2つのきめ細かい構造化データセットを紹介した。 提案手法は,様々なビジュアル文書理解ベンチマークにおいて,既存の最先端MLLMを著しく上回っている。
  論文  参考訳（メタデータ） (2025-05-08T17:37:36Z)
• MetaDesigner: Advancing Artistic Typography Through AI-Driven, User-Centric, and Multilingual WordArt Synthesis [65.78359025027457]
  MetaDesignerがLarge Language Models(LLM)を利用したアートタイポグラフィーのための変換フレームワークを導入 その基盤は、Pipeline、Glyph、Textureエージェントで構成されるマルチエージェントシステムであり、カスタマイズ可能なWordArtの作成をまとめてオーケストレーションしている。
  論文  参考訳（メタデータ） (2024-06-28T11:58:26Z)
• DocLLM: A layout-aware generative language model for multimodal document understanding [12.093889265216205]
  本稿では,従来の大規模言語モデル(LLM)の軽量拡張であるDocLLMについて述べる。 本モデルは,空間配置構造を組み込むための境界ボックス情報にのみ焦点をあてる。 我々のソリューションは、すべてのタスクにまたがる16のデータセットのうち14のデータセットでSotA LLMよりも優れており、これまで見つからなかった5つのデータセットのうち4のデータセットで十分に一般化されていることを実証しています。
  論文  参考訳（メタデータ） (2023-12-31T22:37:52Z)
• Tables to LaTeX: structure and content extraction from scientific tables [0.848135258677752]
  我々は,トランスフォーマーに基づく言語モデリングパラダイムを,科学テーブル構造とコンテンツ抽出に適用する。 我々は, 表構造と内容抽出において, 70.35 と 49.69% の正確な一致精度を達成した。
  論文  参考訳（メタデータ） (2022-10-31T12:08:39Z)
• Structured Multi-modal Feature Embedding and Alignment for Image-Sentence Retrieval [12.050958976545914]
  現在の最先端画像文検索手法は、視覚的テクスチャの断片を暗黙的に整列させる。 画像文検索のための構造的マルチモーダル特徴埋め込みとアライメントモデルを提案する。 特に、ビジュアルコンテキスト対応構造化木エンコーダ(VCS-Tree)とテキストコンテキスト対応構造化木エンコーダ(TCS-Tree)を共有ラベルで構築することにより、視覚的およびテキスト的フラグメントの関係をモデル化する。
  論文  参考訳（メタデータ） (2021-08-05T07:24:54Z)
• A Graph Representation of Semi-structured Data for Web Question Answering [96.46484690047491]
  本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。 本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
  論文  参考訳（メタデータ） (2020-10-14T04:01:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。