論文の概要: Design First, Code Later: Aesthetically Pleasing Template-Free Slides Generation

• arxiv url: http://arxiv.org/abs/2605.26451v1
• Date: Wed, 08 Apr 2026 06:50:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.497614
• Title: Design First, Code Later: Aesthetically Pleasing Template-Free Slides Generation
• Title（参考訳）: デザインファースト、コード後:テンプレートなしのスライド生成を美的に改善
• Abstract要約: 本稿では、事前に定義されたテンプレートやスタイルを使わずにスライド設計タスクを整理する階層的なスライド生成ワークフローであるDeepSlidesを提案する。 実験の結果,提案手法は評価指標のベースライン手法よりも優れ,人選好評価において優れた性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 37.32710542829869
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Producing presentation slides automatically entails coordinating narrative structure with page-level graphic design under strict spatial constraints. For such structured multimodal tasks, a well-organized design process is essential to ensure the final quality of slides. Existing approaches rely on fixed templates or directly emit executable code, thereby both limiting the creative layout-design capabilities of LLMs and bypassing the essential slide-page design step. To address these limitations, this paper (1) proposes a hierarchical slides generation workflow, DeepSlides, that systematically organizes slide design tasks without any predefined template or style, decoupling slide-page design from implementation; (2) introduces SlideDesign, a dataset tailored specifically for slides generation tasks; and (3) presents a multi-agent reinforcement learning training paradigm and trains a couple of models, SlideQwens, for slide design and implementation. Experimental results demonstrate that our proposed framework outperforms baseline methods on evaluated metrics and achieves superior performance in human preference evaluations. The dataset and code are available at https://github.com/sxswz213/DeepSlides.
• Abstract（参考訳）: プレゼンテーションスライドの作成には,厳密な空間制約下でのページレベルのグラフィックデザインによる物語構造の自動調整が必要となる。 このような構造的マルチモーダルタスクでは、スライドの最終的な品質を保証するために、適切に構成された設計プロセスが不可欠である。 既存のアプローチは固定テンプレートに依存するか、実行可能コードを直接出力することで、LCMの創造的なレイアウト設計能力を制限し、必要不可欠なスライドページ設計ステップをバイパスする。 このような制約に対処するために,(1) 事前に定義されたテンプレートやスタイルを使わずにスライド設計タスクを体系的に整理する階層的なスライド生成ワークフローであるDeepSlides,(2) スライド生成タスクに特化したデータセットであるSlideDesign,(3) マルチエージェント強化学習訓練パラダイムを提案し,スライド設計と実装のためのSlideQwensを訓練する。 実験の結果,提案手法は評価指標のベースライン手法よりも優れ,人選好評価において優れた性能を発揮することが示された。 データセットとコードはhttps://github.com/sxswz213/DeepSlidesで公開されている。

関連論文リスト

• SlideTailor: Personalized Presentation Slide Generation for Scientific Papers [29.96047313035184]
  本稿では,ユーザが指定した好みに基づいて紙から紙へスライドするタスクを提案する。 そこで我々は,ユーザの手動で編集可能なスライドを段階的に生成する,人間の行動にインスパイアされたフレームワークSlideTailorを提案する。 また,スライドコンテンツと口頭ナレーションを協調させる新しい音声連鎖機構も導入する。
  論文  参考訳（メタデータ） (2025-12-23T12:01:18Z)
• SlideGen: Collaborative Multimodal Agents for Scientific Slide Generation [26.4357968329723]
  SlideGenは、科学論文をスライド生成するためのループフレームワークにおいて、エージェント的でモジュール的でビジュアルである。 ドキュメントの構造とセマンティクスを協調的に操作する視覚言語エージェントのグループを編成し、論理フローと魅力的なビジュアルプレゼンテーションを備えた編集可能なXスライドを生成する。
  論文  参考訳（メタデータ） (2025-12-04T07:22:16Z)
• SlideCoder: Layout-aware RAG-enhanced Hierarchical Slide Generation from Design [33.47715901943206]
  参照画像から編集可能なスライドを生成するためのレイアウト対応検索拡張フレームワークであるSlideCoderを紹介した。 実験によると、SlideCoderは最先端のベースラインを最大40.5ポイント上回るパフォーマンスを示し、レイアウトの忠実さ、実行精度、視覚的整合性を示す。
  論文  参考訳（メタデータ） (2025-06-09T17:39:48Z)
• PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides [51.88536367177796]
  そこで本研究では,人案に触発された2段階の編集手法を提案し,プレゼンテーションを自動的に生成する。 PWTAgentはまず参照を分析し、スライドレベルの関数型とコンテンツスキーマを抽出し、選択した参照スライドに基づいて編集アクションを生成する。 PWTAgentは、既存の3次元のプレゼンテーション生成方法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-01-07T16:53:01Z)
• AutoPresent: Designing Structured Visuals from Scratch [99.766901203884]
  エンド・ツー・エンドの画像生成とプログラム生成を様々なモデルでベンチマークする。 スライド生成用のコードと7kペアの命令でトレーニングされた8B LlamaベースのモデルであるAutoPresentを開発した。
  論文  参考訳（メタデータ） (2025-01-01T18:09:32Z)
• GLDesigner: Leveraging Multi-Modal LLMs as Designer for Enhanced Aesthetic Text Glyph Layouts [53.568057283934714]
  本稿では,コンテンツ対応のテキストロゴレイアウトを生成するVLM(Vision-Language Model)ベースのフレームワークを提案する。 本稿では,複数のグリフ画像を同時に処理するための計算コストを削減する2つのモデル手法を提案する。 本モデルでは,既存の公開データセットの5倍の広義のテキストロゴデータセットを2つ構築する。
  論文  参考訳（メタデータ） (2024-11-18T10:04:10Z)
• PosterLLaVa: Constructing a Unified Multi-modal Layout Generator with LLM [58.67882997399021]
  本研究では,グラフィックレイアウトの自動生成のための統合フレームワークを提案する。 データ駆動方式では、レイアウトを生成するために構造化テキスト(JSONフォーマット)とビジュアルインストラクションチューニングを用いる。 我々は,ユーザのデザイン意図に基づいて編集可能なポスターを生成する自動テキスト投稿システムを開発した。
  論文  参考訳（メタデータ） (2024-06-05T03:05:52Z)
• Automatic Layout Planning for Visually-Rich Documents with Instruction-Following Models [81.6240188672294]
  グラフィックデザインでは、プロでないユーザは、限られたスキルとリソースのために視覚的に魅力的なレイアウトを作成するのに苦労することが多い。 レイアウト計画のための新しいマルチモーダル・インストラクション・フォロー・フレームワークを導入し、視覚的要素をカスタマイズしたレイアウトに簡単に配置できるようにする。 本手法は,非専門職の設計プロセスを単純化するだけでなく,数ショット GPT-4V モデルの性能を上回り,mIoU は Crello で 12% 向上する。
  論文  参考訳（メタデータ） (2024-04-23T17:58:33Z)
• DOC2PPT: Automatic Presentation Slides Generation from Scientific Documents [76.19748112897177]
  文書・スライド生成のための新しい課題とアプローチを提案する。 エンドツーエンドでタスクに取り組むための階層的なシーケンス・ツー・シーケンスアプローチを提案する。 提案手法では,文書やスライド内の固有構造を利用して,パラフレーズとレイアウト予測モジュールを組み込んでスライドを生成する。
  論文  参考訳（メタデータ） (2021-01-28T03:21:17Z)

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。