論文の概要: GenGA: Editable and Data-Grounded Graphical Abstract Generation for Academic Papers
- arxiv url: http://arxiv.org/abs/2608.05478v1
- Date: Wed, 05 Aug 2026 23:53:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.672461
- Title: GenGA: Editable and Data-Grounded Graphical Abstract Generation for Academic Papers
- Title（参考訳）: GenGA:学術論文の編集・データ収集によるグラフィカル抽象生成
- Abstract要約: 我々はベクトル形式でフィギュアを直接生成する新しい世代フレームワークGenGAを提案する。
階層構造を持つベクトル要素の集合として図を生成することで、GenGAは既存の描画ツールにシームレスにインポート可能な出力を生成する。
実験の結果,GenGAは他の方法に比べて編集の単純さが優れており,簡潔さやセマンティックアライメントにおいて人為的なGAを超えていることがわかった。
- 参考スコア（独自算出の注目度）: 2.593510481959727
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Graphical Abstracts (GAs) visually summarize the key findings of academic papers, playing a crucial role in facilitating the understanding of research content. Recently, advancements in vision-language models and image generation models have enabled the automatic generation of scientific figures based on paper content. However, most conventional methods output the generated results as raster graphics, making post-editing (e.g., text modification and layout changes) highly difficult. This poses a significant challenge, as they are unsuitable for the iterative figure revision process inherent in paper writing and peer review. To tackle these challenges, we define the novel task of generating editable GAs from paper content and propose GenGA, a new GA generation framework that directly produces figures in vector format. By generating figures as a collection of vector elements with a hierarchical structure, GenGA produces outputs that can be seamlessly imported into existing drawing tools for intuitive, element-level editing. Furthermore, we introduce the Structural Independence Coefficient (SIC), a metric that quantifies the editing simplicity of a figure based on the degree to which local modifications propagate to other elements. Experimental results show that GenGA achieves superior editing simplicity compared to conventional methods, and even surpasses human-authored GAs in conciseness and semantic alignment. We also validate SIC as an effective metric correlated with manual editing costs. This study fundamentally redefines GA generation as an editable vector graphic generation problem grounded in the practical workflows of researchers, significantly promoting effective scientific communication.
- Abstract（参考訳）: 学術論文の重要な発見を視覚的に要約し,研究内容の理解を促進する上で重要な役割を担っている。
近年,視覚言語モデルや画像生成モデルの進歩により,論文の内容に基づく科学的人物の自動生成が可能になった。
しかし、ほとんどの従来の手法では、生成された結果をラスタグラフィックとして出力し、後編集(例えば、テキストの変更やレイアウトの変更)を非常に困難にしている。
これは、ペーパーライティングやピアレビューに固有の反復的なフィギュアリビジョンプロセスには適さないため、大きな課題となる。
これらの課題に対処するために、紙コンテンツから編集可能なGAを生成する新しいタスクを定義し、ベクトル形式で数値を直接生成する新しいGA生成フレームワークであるGenGAを提案する。
階層構造を持つベクトル要素の集合として図を生成することにより、GenGAは既存の描画ツールにシームレスにインポート可能な出力を生成し、直感的で要素レベルの編集を行う。
さらに、局所的な修正が他の要素に伝播する度合いに基づいて、図形の編集単純度を定量化する尺度である構造独立係数(SIC)を導入する。
実験の結果,GenGAは従来の方法に比べて編集の単純さに優れており,簡潔さやセマンティックアライメントにおいて人為的なGAを超えていることがわかった。
また,手作業の編集コストと相関する有効指標としてSICを検証した。
本研究では,GA生成を研究者の実践的ワークフローに根ざした編集可能なベクトルグラフィック生成問題として根本的に再定義し,効果的な科学的コミュニケーションを促進する。
関連論文リスト
- Figures as Programs: Recursive Generation of Editable Scientific Figures [79.78366479117878]
最近の画像生成モデルは、視覚的に魅力的な図形を合成することができるが、人間の満足な結果を生み出すことは、単一の生成段階において難しいままである。
textscFigTreeは、科学論文を構造化ベクトル図形に自動的に変換するテキストマルチエージェントシステムである。
レンダリングクリティカルリファインメントループは、レンダリングされたフィギュアとその基礎となるプログラムを共同で検査し、視覚的欠陥を特定のステートメントにトレースし、正確に修復することを可能にする。
論文 参考訳（メタデータ） (2026-09-01T09:53:47Z) - SciDiagramEdit: Learning to Edit Scientific Diagrams from Paper Revisions [66.46898035008782]
SciDiagramEditは、自然論文の改訂から学習する、ベンチマークおよびスキル進化フレームワークである。
エージェント提案者は、複数のエポック上の実行トレースからエージェントのスキル仕様を継続的に洗練する。
得られたスキルは、保持された検証セットの編集精度を段階的に引き上げる。
論文 参考訳（メタデータ） (2026-07-16T17:58:36Z) - DisciplineGen-1M: A Large-Scale Dataset for Multidisciplinary Visual Generation and Editing [65.66783293569955]
本稿では,テキスト・ツー・イメージ生成と画像編集をサポートする100万規模のデータセットであるDisciplineGen-1Mを紹介する。
数学、物理学、化学、生物学、地理、コンピュータ科学、経済学、歴史、音楽、スポーツにまたがる1.2Mのサンプルを含んでいる。
DisciplineGen-1M をベースとして,テキスト・画像生成と画像編集の両面での規律インフォームド推論モデルを提案する。
論文 参考訳（メタデータ） (2026-07-02T15:07:47Z) - SAGE: Structured Agentic Graph Editing for Software Diagrams [5.927477764911397]
本稿では,Draw.ioとMermaidスタイルのエンジニアリングダイアグラムを即時編集するブラウザベースのツールであるSAGEを紹介する。
このツールはダイアグラムを編集可能なグラフ表現にマッピングし、これらの意図をグラフ指向の操作ステップに分析し、一般的なDraw.io XMLの問題を検証し、修復し、成功した結果を復元可能なバージョン付きアーティファクトとして保存する。
論文 参考訳（メタデータ） (2026-07-01T15:55:09Z) - Crafter: A Multi-Agent Harness for Editable Scientific Figure Generation from Diverse Inputs [62.54193387399707]
我々は,学術的な図形から出版品質のイラストを自動生成するシステムを開発した。
Crafterは、アーキテクチャの変更なしにフィギュアタイプを一般化するマルチエージェントのハーネスフィギュア生成である。
CraftEditorは、出力を編集可能なSVGに変換する。
論文 参考訳（メタデータ） (2026-05-28T22:04:30Z) - VCG-Bench: Towards A Unified Visual-Centric Benchmark for Structured Generation and Editing [37.60481878724908]
本稿では、視覚中心のttmxGraphタスクの統一ベンチマークであるVCG-Benchを紹介する。
VCG-Benchは、(1)6つのドメインと15のサブドメインにまたがる1,449の多様なダイアグラムからなる分類データセット、(2)生成(Vision-to-Code)と編集可能性(Code-to-Code)を統合するパラダイム定義、(3)textttmxGraph実行成功率、スタイル一貫性スコア(SCS)などの多次元メトリクスを利用するテーラー評価プロトコルを含む。
論文 参考訳（メタデータ） (2026-05-15T06:59:28Z) - Model Editing for New Document Integration in Generative Information Retrieval [110.90609826290968]
生成検索(GR)は文書識別子(docID)の生成として情報検索(IR)タスクを再構成する
既存のGRモデルは、新たに追加されたドキュメントへの一般化が不十分で、しばしば正しいドキュメントIDを生成できない。
DOMEは,GRモデルを非表示文書に効果的かつ効率的に適応する新しい手法である。
論文 参考訳（メタデータ） (2026-03-03T09:13:38Z) - Charts Are Not Images: On the Challenges of Scientific Chart Editing [66.38730113476677]
textitFigEditは、3万以上のサンプルからなる科学的フィギュア編集のベンチマークである。
私たちのベンチマークでは、ピクセルレベルの操作の重大な制限が示されています。
textitFigEdit をリリースすることにより,構造対応図形編集の体系的な進歩の実現を目指す。
論文 参考訳（メタデータ） (2025-11-30T06:13:48Z) - GILT: An LLM-Free, Tuning-Free Graph Foundational Model for In-Context Learning [50.40400074353263]
グラフニューラルネットワーク(GNN)は、リレーショナルデータを先行する強力なツールであるが、しばしば目に見えないグラフに一般化するのに苦労する。
textbfGraph textbfIn-context textbfL textbfTransformer (GILT)を導入する。
論文 参考訳（メタデータ） (2025-10-06T08:09:15Z) - Enhancing Document AI Data Generation Through Graph-Based Synthetic Layouts [0.8245350546263803]
グラフニューラルネットワーク(GNN)を用いた文書レイアウト生成のための新しい手法を提案する。
ドキュメント要素をグラフのノードとして表現することで、GNNは現実的で多様なドキュメントレイアウトを生成するように訓練される。
実験の結果,既存の拡張手法よりもグラフ拡張文書のレイアウトが優れていることがわかった。
論文 参考訳（メタデータ） (2024-11-27T21:15:02Z)
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。