論文の概要: OmniPresent: Generating Coherent Presentation Suites from Scientific Papers

• arxiv url: http://arxiv.org/abs/2607.02590v1
• Date: Wed, 01 Jul 2026 07:01:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 13:40:40.772983
• Title: OmniPresent: Generating Coherent Presentation Suites from Scientific Papers
• Title（参考訳）: OmniPresent:科学論文からコヒーレントなプレゼンテーションスイートを生成する
• Abstract要約: 我々は、統一されたプレゼンテーションスイート生成のタスクを形式化し、一貫性のある提供物の作成をオーケストレーションするために$textbf OmniPresent$を提案する。 当社のフレームワークでは,レンダリング可能なHTML表現を採用して,集中型コンテンツ計画と,モダリティ間の競合を積極的に解決する自己修正型バリデーション・アンド・リペアループを実現している。 実験結果から,提案手法は精度と視覚的魅力の両方において,高いベースラインをはるかに超える高品質で忠実なプレゼンテーションスイートを生成することを確認した。
• 参考スコア（独自算出の注目度）: 23.902743401868708
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transforming static research papers into dynamic media such as posters, slides, and videos is essential for effective dissemination but remains a labor-intensive challenge. Existing automated approaches often treat these formats in isolation and consequently fail to maintain semantic consistency across the entire presentation suite. We address this fragmentation by formalizing the task of unified presentation suite generation and proposing $\textbf{OmniPresent}$ to orchestrate the creation of coherent deliverables. Our framework adopts a renderable HTML representation to enable centralized content planning and a self-correcting verify-and-repair loop that actively resolves conflicts across modalities. We further facilitate scalable research in this domain by releasing $\textbf{OmniPreBench}$, a comprehensive dataset comprising over one thousand papers with paired artifacts, and establishing a rigorous VLM-based evaluation protocol. Empirical results confirm that our method generates high-quality and faithful presentation suites that significantly surpass strong baselines in both accuracy and visual appeal.
• Abstract（参考訳）: 静的研究論文をポスター、スライド、ビデオなどの動的メディアに変換することは効果的な普及には不可欠であるが、労働集約的な課題である。 既存の自動化アプローチはしばしばこれらのフォーマットを分離して扱うため、プレゼンテーションスイート全体にわたってセマンティック一貫性を維持することができない。 統合プレゼンテーションスイート生成のタスクを形式化し、一貫性のある成果物の作成をオーケストレーションするために$\textbf{OmniPresent}$を提案することで、この断片化に対処する。 当社のフレームワークでは,レンダリング可能なHTML表現を採用して,集中型コンテンツ計画と,モダリティ間の競合を積極的に解決する自己修正型バリデーション・アンド・リペアループを実現している。 我々はさらに、この領域におけるスケーラブルな研究を促進するために、$\textbf{OmniPreBench}$をリリースした。 実験結果から,提案手法は精度と視覚的魅力の両方において,高いベースラインをはるかに超える高品質で忠実なプレゼンテーションスイートを生成することを確認した。

関連論文リスト

• Achieving Text-based Person Retrieval with Any Granularity [80.69427598925718]
  本稿では、任意の粒度を持つテキストベースの人物検索という新しいパラダイムを紹介する。 5段階の粒度スペクトルを定式化し,高品質な多粒度アノテートデータセットであるUFine6926-MGを構築した。 次に、クロスモーダルな多重粒度アライニングおよびマッチングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T08:42:25Z)
• Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
  レポート生成のためのマルチエージェントハーネスであるPtahを提案する。 Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。 検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T12:40:34Z)
• DocSeeker: Structured Visual Reasoning with Evidence Grounding for Long Document Understanding [63.257540233507626]
  本稿では、構造化解析、局所化、推論のワークフローを実行するためにモデルを必要とするパラダイムを提案する。 ショートページトレーニングから超長文書への堅牢な一般化を示し、視覚的検索・拡張生成システムと自然に相乗効果を示す。
  論文  参考訳（メタデータ） (2026-04-14T14:39:26Z)
• Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Training [23.87978106727431]
  本稿では、堅牢なエンドツーエンド文書解析のためのデータ学習協調設計フレームワークを提案する。 本手法は,スキャン・デジタル・実世界の両方のシナリオにおいて,精度とロバスト性を向上する。
  論文  参考訳（メタデータ） (2026-03-25T03:19:09Z)
• Fine-tuning MLLMs Without Forgetting Is Easier Than You Think [72.59321247529975]
  分布内および分布外画像およびテキスト入力のモデル性能を評価するための2x2実験フレームワークを設計する。 その結果、トレーニング可能なパラメータの数を制限したり、低学習率を採用するなど、適切な正規化が、アウト・オブ・ディストリビューション・イメージを扱う際の忘れを効果的に防止できることが示唆された。 我々は、このことをタスク固有のオーバーフィッティングとみなし、データハイブリッドトレーニング戦略を導入することでこの問題に対処する。
  論文  参考訳（メタデータ） (2026-03-15T17:16:19Z)
• MURE: Hierarchical Multi-Resolution Encoding via Vision-Language Models for Visual Document Retrieval [111.99106496142474]
  Visual Document Retrieval (VDR)は、微細な視覚的詳細とグローバルな文書構造の両方をキャプチャする表現を必要とする。 既存のVDRモデルは、高解像度文書を処理する際に効率と効率のバランスをとるのに苦労する。 本稿では,X-VisEmbパラダイムを提案する。X-VisEmbパラダイムは,多分解能サンプリングと符号化から,粒度横断的特徴融合から適応的表現蒸留へと進展する。
  論文  参考訳（メタデータ） (2026-03-07T15:17:22Z)
• PaperX: A Unified Framework for Multimodal Academic Presentation Generation with Scholar DAG [22.64989700220684]
  本稿では,学術的なプレゼンテーション生成を構造的変換とレンダリングのプロセスとしてモデル化する統合フレームワークPaperXを紹介する。 PaperXは単一のソースから多種多様な高品質の出力を生成する。
  論文  参考訳（メタデータ） (2026-01-30T18:27:03Z)
• FocalOrder: Focal Preference Optimization for Reading Order Detection [23.497081928689525]
  我々はtextbfFocal Preference Optimization (FPO) によって駆動されるフレームワーク textbfFocalOrder を提案する。 FocalOrderは適応的難易度発見と指数的な移動平均機構を用いて動的にピンポイントのハード・ツー・ラーン遷移を行う。 FocalOrder は OmniDocBench v1.0 と Comp-HRDoc で新しい最先端の結果を確立する。
  論文  参考訳（メタデータ） (2026-01-12T12:37:04Z)
• Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding [61.36285696607487]
  文書理解は、財務分析から科学的発見への応用に不可欠である。 現在のアプローチでは、OCRベースのパイプラインがLarge Language Models(LLM)やネイティブのMultimodal LLMs(MLLM)に制限されている。 Retrieval-Augmented Generation (RAG)は、外部データの基底モデルを支援するが、文書のマルチモーダルな性質は、テキスト、テーブル、チャート、レイアウトを組み合わせることで、より高度なパラダイムを必要とする。
  論文  参考訳（メタデータ） (2025-10-17T02:33:16Z)
• Multimodal Fact Checking with Unified Visual, Textual, and Contextual Representations [2.139909491081949]
  我々は"MultiCheck"と呼ばれる微細なマルチモーダル事実検証のための統一的なフレームワークを提案する。 我々のアーキテクチャは、テキストと画像のための専用エンコーダと、要素間相互作用を用いた相互関係をキャプチャする融合モジュールを組み合わせる。 我々はFactify 2データセットに対する我々のアプローチを評価し、F1の重み付けスコア0.84を達成し、ベースラインを大幅に上回った。
  論文  参考訳（メタデータ） (2025-08-07T07:36:53Z)
• DREAM: Document Reconstruction via End-to-end Autoregressive Model [53.51754520966657]
  本稿では、文書再構成に特化した革新的な自己回帰モデルについて述べる。 文書再構成タスクの標準化定義を確立し,文書類似度基準(DSM)とDocRec1Kデータセットを導入し,タスクの性能を評価する。
  論文  参考訳（メタデータ） (2025-07-08T09:24:07Z)
• PresentAgent: Multimodal Agent for Presentation Video Generation [30.274831875701217]
  長文文書をナレーション付きプレゼンテーションビデオに変換するマルチモーダルエージェントであるPresentAgentを提案する。 この統合を実現するために、PresentAgentでは、インプットドキュメントのセグメント化、計画、スライドスタイルのビジュアルフレームのレンダリングを行うモジュールパイプラインを採用している。 このようなマルチモーダルなアウトプットの評価の複雑さを考慮し,ビジョンランゲージモデルを用いた統合評価フレームワークであるPresentEvalを紹介する。
  論文  参考訳（メタデータ） (2025-07-05T13:24:15Z)
• 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。