論文の概要: SeaSlides: Semantic Abstraction Layer for Agentic Slide Generation

• arxiv url: http://arxiv.org/abs/2608.03298v1
• Date: Tue, 04 Aug 2026 08:08:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.094866
• Title: SeaSlides: Semantic Abstraction Layer for Agentic Slide Generation
• Title（参考訳）: SeaSlides: エージェントスライド生成のためのセマンティック抽象化レイヤ
• Abstract要約: セマンティック・抽象化・レイヤを中心に構築されたエージェント・スライド生成フレームワークであるSeaSlidesを紹介した。 座標やインラインスタイル、SVGの生形状のオーサリングではなく、再利用可能なコンポーネントや機能モジュールを通じて構造化されたスライドコンテンツを記述する。 評価のために、18タスクのUltraPresent検証設定とSeaSlidesBench-Richを組み合わせる。
• 参考スコア（独自算出の注目度）: 23.344472571293917
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic presentation generation must preserve source content, maintain coherent visual design, render specialized objects, and produce usable artifacts. Existing systems meet only part of this requirement: templates preserve regularity but restrict adaptation, whereas free-form HTML or SVG gives models flexibility at the cost of low-level rendering decisions. This mismatch makes long technical decks brittle, especially when slides contain formulas, code, or data graphics. We present SeaSlides, an agentic slide-generation framework built around a semantic abstraction layer. Rather than authoring coordinates, inline styles, or raw SVG geometry, the model writes structured slide content through reusable components and capability modules, while templates own layout, style, and rendering. We instantiate this principle separately in HTML and Typst: SeaSlides-HTML uses template-defined DOM components, whereas SeaSlides-Typst uses template functions and package-backed modules. Capability modules route equations, code, and charts to dedicated renderers, and three feedback stages localize build errors, project-constraint violations, and visual defects before export. The two systems retain backend-specific syntax and contracts while sharing the same authoring boundary. For evaluation, we combine the 128-task UltraPresent validation setting with SeaSlidesBench-Rich, a new 32-task benchmark stressing mathematics, code, pseudocode, tables, charts, and diagrams. Across four generation models, both SeaSlides backends produce more readable, content-oriented source than SVG-heavy generation. A SeaSlides backend attains the highest rich-content macro-average under three of the four models while maintaining competitive overall qualitative performance. These results support semantic abstraction as a practical authoring principle across presentation backends.
• Abstract（参考訳）: エージェントプレゼンテーション生成は、ソースコンテンツを保存し、コヒーレントなビジュアルデザインを維持し、特殊オブジェクトをレンダリングし、使用可能なアーティファクトを生成する必要がある。 テンプレートは規則性を維持するが適応を制限するが、フリーフォームのHTMLやSVGは低レベルのレンダリング決定を犠牲にしてモデルに柔軟性を与える。 このミスマッチは、特にスライドが公式、コード、データグラフィックスを含む場合、長い技術的デッキを不安定にします。 セマンティック・抽象化・レイヤを中心に構築されたエージェント・スライド生成フレームワークであるSeaSlidesを紹介した。 座標やインラインスタイル、生のSVGジオメトリのオーサリングではなく、再利用可能なコンポーネントや機能モジュールを通じて構造化されたスライドコンテンツを書き、テンプレートはレイアウト、スタイル、レンダリングを所有する。 SeaSlides-HTMLはテンプレート定義DOMコンポーネントを使用し、SeaSlides-Typstはテンプレート関数とパッケージバックモジュールを使用します。 機能モジュールは、方程式、コード、チャートを専用レンダラーにルーティングし、3つのフィードバックステージでビルドエラー、プロジェクト制約違反、エクスポート前の視覚的欠陥をローカライズする。 2つのシステムは、同じオーサリング境界を共有しながら、バックエンド固有の構文とコントラクトを保持します。 評価のために、18タスクのUltraPresent検証設定とSeaSlidesBench-Richを組み合わせる。 4世代モデル全体では、両方のSeaSlidesバックエンドはSVGよりも読みやすく、コンテンツ指向のソースを生成する。 SeaSlidesバックエンドは、競争力のある全体的な質的なパフォーマンスを維持しながら、4つのモデルのうち3つのモデルの中で、最高にリッチコンテントのマクロ平均に達した。 これらの結果は、プレゼンテーションバックエンド間での実践的なオーサリング原則として、セマンティックな抽象化をサポートします。

関連論文リスト

• A Dual-Track Framework for Template-Constrained LaTeX Conversion [1.906311743485569]
  既存のアプローチは、決定論的ルールベースのコンバータか、純粋なエンドツーエンドのLarge Language Model (LLM) の生成に大きく依存している。 文書処理からテンプレートフォーマットを体系的に分離する堅牢なDual-Track Frameworkを導入する。 提案手法は, より優れた構造的忠実度, 多様なレイアウトを実現し, 以前のベースラインと比較して高いコンパイル成功率を達成する。
  論文  参考訳（メタデータ） (2026-06-22T09:51:11Z)
• Imagine Before You Draw: Visual Prompt Engineering for Image Generation [67.81347924426714]
  内部フレームワークにシームレスに統合可能なVisual Prompt Engineering (VPE)を提案する。 我々は,クラス条件生成,テキスト・ツー・イメージ生成,画像編集にまたがってVPEを検証する。 その結果, VPEはコンバージェンスを加速し, 天井の質を高め, 内部統合により, 編集保存性を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-06-03T05:01:36Z)
• Automatic Slide Updating with User-Defined Dynamic Templates and Natural Language Instructions [22.596430902964272]
  既存の自動化方法は、主に固定されたテンプレートフィリングに従っており、多様なユーザによるスライドデッキの動的更新をサポートできない。 我々は,2,036個の実世界の命令実行トリプル(ソーススライド,ユーザ命令,ターゲットスライド)を共有外部データベースに格納した大規模ベンチマークであるDynaSlideを紹介した。 SlideAgentはマルチモーダルなスライド解析、自然言語命令のグラウンド化、テーブル、チャート、テキストの結論に対するツール拡張推論を組み合わせたエージェントベースのフレームワークである。
  論文  参考訳（メタデータ） (2026-04-20T07:11:24Z)
• Design First, Code Later: Aesthetically Pleasing Template-Free Slides Generation [37.32710542829869]
  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。
  論文  参考訳（メタデータ） (2026-04-08T06:50:37Z)
• Multimodal OCR: Parse Anything from Documents [72.69545534962234]
  dots.mocrは、チャート、ダイアグラム、テーブル、アイコンなどのビジュアル要素を第一級解析ターゲットとして扱う。 テキストとグラフィックの両方を構造化出力として再構築し、より忠実なドキュメント再構築を可能にする。 不均一なドキュメント要素に対するエンドツーエンドのトレーニングをサポートする。
  論文  参考訳（メタデータ） (2026-03-13T14:42:21Z)
• DynaPURLS: Dynamic Refinement of Part-aware Representations for Skeleton-based Zero-Shot Action Recognition [51.80782323686666]
  textbfDynaPURLSは、堅牢でマルチスケールなビジュアル・セマンティック対応を確立する統一的なフレームワークである。 我々のフレームワークは、グローバルな動きと局所的な身体部分のダイナミクスの両方を含む階層的なテキスト記述を生成するために、大きな言語モデルを活用する。 NTU RGB+D 60/120とPKU-MMDを含む3つの大規模ベンチマークデータセットの実験は、DynaPURLSが先行技術よりも大幅に優れていることを示した。
  論文  参考訳（メタデータ） (2025-12-12T10:39:10Z)
• AICC: Parse HTML Finer, Make Models Better -- A 7.3T AI-Ready Corpus Built by a Model-Based HTML Parser [54.623900859999424]
  我々は、コンテンツ抽出をシーケンスラベリング問題として再構成する新しい抽出パイプラインであるMinerU-HTMLを紹介する。 MainWebBenchでは、7,887の注釈付きWebページ、MinerU-HTML 81.8%のROUGE-N F1をTrfilaturaの63.6%と比較した。
  論文  参考訳（メタデータ） (2025-11-20T14:15:23Z)
• Semantic Document Derendering: SVG Reconstruction via Vision-Language Modeling [32.22298939812003]
  SliDerは視覚言語モデルを用いてスライド画像をコンパクトかつ編集可能なSVG表現としてデレンダする新しいフレームワークである。 SliDerは0.069のLPIPSを復元し、最強のゼロショットVLMベースラインに比べて82.9%のケースでヒト評価者によって好まれる。
  論文  参考訳（メタデータ） (2025-11-17T15:16:13Z)
• LayoutNUWA: Revealing the Hidden Layout Expertise of Large Language Models [84.16541551923221]
  本稿では,レイアウト生成をコード生成タスクとして扱うモデルを提案する。 3つの相互接続モジュールからなるCode Instruct Tuning (CIT) アプローチを開発した。 複数のデータセット上で、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2023-09-18T06:35:10Z)
• ZeroShotCeres: Zero-Shot Relation Extraction from Semi-Structured Webpages [66.45377533562417]
  本稿では,以前は見つからなかったテンプレートを用いたWebページからの「ゼロショット」オープンドメイン関係抽出手法を提案する。 我々のモデルは、グラフニューラルネットワークに基づくアプローチを使用して、Webページ上のテキストフィールドのリッチな表現を構築します。
  論文  参考訳（メタデータ） (2020-05-14T16:15:58Z)

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。