論文の概要: SciForma: Structure-Faithful Generation of Scientific Diagrams
- arxiv url: http://arxiv.org/abs/2607.18091v1
- Date: Mon, 20 Jul 2026 15:55:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.694534
- Title: SciForma: Structure-Faithful Generation of Scientific Diagrams
- Title（参考訳）: SciForma: 科学ダイアグラムの構造に忠実な生成
- Abstract要約: SciFormaは図の質を,Component, Arrow, Textの3つの構造軸に分解します。
M-DPOは全ての軸に同時的正当性を適用し、後トレーニングにおいて最も欠陥のある次元に適応的にルートする。
- 参考スコア（独自算出の注目度）: 47.807959532450504
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Structural fidelity is essential to scientific methodology diagrams. To communicate research logic, these diagrams must faithfully render components, directional relations, and textual annotations. Since a single error, such as a reversed arrow or an unreadable equation, can invalidate the entire figure, structural fidelity is inherently conjunctive: correctness on one axis cannot compensate for failure on another. Current open-source models fail to satisfy this criterion. Supervised fine-tuning (SFT) learns plausible layouts but cannot reliably ensure structural correctness, while scalar reward-based post-training obscures which structural dimension has failed. To address this, we introduce SciForma, a framework for the structure faithful generation of scientific methodology diagrams. Specifically, SciForma decomposes diagram quality into three structural axes: Component, Arrow, and Text, guided by a structural inventory. Built on this foundation, we curate SciFormaData-700K for structured training and SciFormaBench-2K for logic-verified evaluation. To close the gap left by SFT, we develop Multi-Dimensional Conjunctive Preference Optimization (M-DPO), which enforces simultaneous correctness across all axes and adaptively routes gradients to the most deficient dimension in post-training. The same structural inventory also enables iterative editing at inference time to correct residual errors. This combination allows SciForma-9B to exceed all open-source baselines and GPT-Image-1.5 on both SciFormaBench-2K and AIBench, bringing open scientific diagram generation close to proprietary-level structural fidelity. Our code and data will be available at: https://github.com/microsoft/SciForma.
- Abstract（参考訳）: 構造的忠実性は科学的方法論図にとって不可欠である。
研究ロジックを伝えるためには、これらの図はコンポーネント、方向関係、テキストアノテーションを忠実に描画する必要がある。
逆矢印や可読方程式のような単一の誤りは全体像を無効にすることができるため、構造的忠実度は本質的に共役的であり、ある軸上の正しさは別の軸上の失敗を補うことはできない。
現在のオープンソースモデルは、この基準を満たすことができません。
Supervised Fine-tuning (SFT) は、高いレイアウトを学習するが、構造的精度を確実に保証することはできない。
そこで本稿では,科学的方法論図の構造忠実な生成のためのフレームワークであるSciFormaを紹介する。
具体的には、SciFormaは図の質を3つの構造軸(Component, Arrow, Text)に分解する。
この基礎の上に構築され、構造化トレーニングのためのSciFormaData-700Kと、論理的検証のためのSciFormaBench-2Kをキュレートする。
SFTが残したギャップを埋めるために、全軸をまたいで同時に正しさを強制し、学習後の最も欠陥のある次元に勾配を適応的にルーティングする多次元共役選好最適化(M-DPO)を開発した。
同じ構造的インベントリは、推論時に反復的な編集を行い、残差を補正することを可能にする。
この組み合わせにより、SciForma-9Bはすべてのオープンソースベースラインを越え、SciFormaBench-2KとAIBenchの両方でGPT-Image-1.5を達成でき、プロプライエタリレベルの構造フィデリティに近いオープンな科学図を生成する。
私たちのコードとデータは、https://github.com/microsoft/SciForma.comで公開されます。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - EGL-SCA: Structural Credit Assignment for Co-Evolving Instructions and Tools in Graph Reasoning Agents [35.25814217014108]
グラフ推論エージェントのための検証器中心のデュアルスペースフレームワークであるEGL-SCAを提案する。
EGL-SCAは、最先端の92.0%の平均成功率を達成することを示す。
論文 参考訳（メタデータ） (2026-05-11T11:09:32Z) - GIFT: Bootstrapping Image-to-CAD Program Synthesis via Geometric Feedback [16.42151644490948]
GIFTは、幾何学的フィードバックを利用して、テスト時間計算を高品質なトレーニングサンプルのブートストラップセットに変換するフレームワークである。
強い教師付きベースラインに対して平均IoUを12%改善し、より複雑なマルチモーダルシステムと競合し続ける。
論文 参考訳（メタデータ） (2026-03-28T23:49:20Z) - Shape-of-You: Fused Gromov-Wasserstein Optimal Transport for Semantic Correspondence in-the-Wild [7.4746628878102195]
Shape-of-Youは意味対応のための教師なし学習フレームワークである。
SPair-71kおよびAP-10kデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2026-03-12T07:22:03Z) - SciFlow-Bench: Evaluating Structure-Aware Scientific Diagram Generation via Inverse Parsing [21.314888925181886]
SciFlow-Benchは,画素レベルの出力から直接科学的図を生成するための,構造第一のベンチマークである。
実際の科学的PDFから構築されたSciFlow-Benchは、各ソースフレームワークのフィギュアを標準の接地木グラフと組み合わせ、ブラックボックスイメージジェネレータとしてモデルを評価する。
論文 参考訳（メタデータ） (2026-02-10T14:15:35Z) - RL-Struct: A Lightweight Reinforcement Learning Framework for Reliable Structured Output in LLMs [0.08594140167290097]
大規模言語モデル(LLM)は、自然言語の生成と推論において顕著な能力を示した。
自動化されたソフトウェアエコシステムへの統合は、しばしば"構造ギャップ"によって妨げられます。
このギャップを埋めるための軽量で効率的な強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-29T04:47:14Z) - Exploring Diffusion Transformer Designs via Grafting [82.91123758506876]
計算予算の少ない新しいアーキテクチャを実現するために,事前に訓練された拡散変換器(DiT)を編集する簡単な手法であるグラフト方式を提案する。
演算子置換からアーキテクチャ再構成に至るまで,事前訓練したDiTをグラフトすることで,新しい拡散モデルの設計を探索できることが示されている。
論文 参考訳（メタデータ） (2025-06-05T17:59:40Z) - Learning to Model Graph Structural Information on MLPs via Graph Structure Self-Contrasting [50.181824673039436]
本稿では,グラフ構造情報をメッセージパッシングなしで学習するグラフ構造自己コントラスト(GSSC)フレームワークを提案する。
提案するフレームワークは,構造情報を事前知識として暗黙的にのみ組み込む,MLP(Multi-Layer Perceptrons)に基づいている。
これはまず、近傍の潜在的非形式的あるいはノイズの多いエッジを取り除くために構造的スペーシングを適用し、その後、スペーシングされた近傍で構造的自己コントラストを行い、ロバストなノード表現を学ぶ。
論文 参考訳（メタデータ） (2024-09-09T12:56:02Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - Dense Non-Rigid Structure from Motion: A Manifold Viewpoint [162.88686222340962]
Non-Rigid Structure-from-Motion (NRSfM) 問題は、複数のフレームにまたがる2次元特徴対応から変形物体の3次元形状を復元することを目的としている。
提案手法は,ノイズに対する精度,スケーラビリティ,堅牢性を大幅に向上させる。
論文 参考訳（メタデータ） (2020-06-15T09:15:54Z)
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。