論文の概要: One Figure, Every Canvas: Editable Flowchart Relayout via Agentic Pipeline

• arxiv url: http://arxiv.org/abs/2610.06852v1
• Date: Mon, 05 Oct 2026 17:59:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 22:04:13.17301
• Title: One Figure, Every Canvas: Editable Flowchart Relayout via Agentic Pipeline
• Title（参考訳）: ひとつの図、すべてのCanvas: 編集可能なFlowchartリレーアウト
• Abstract要約: ML論文のパイプラインフィギュアは、多くのキャンバスで再利用されなければならない。 我々は,Gemini 3.1 Proで評価した5つのアスペクト比で100フローチャートのベンチマークを定式化した。 コンテント忠実度は68.6%, 先行作業では11.2-41.4%であった。
• 参考スコア（独自算出の注目度）: 5.296848974671476
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pipeline figures in ML papers must be repurposed across many canvases, including paper columns, 16:9 slides, portrait posters, 1:1 social teasers, 9:16 phone previews. Each format imposes a different aspect ratio on the same computational graph, where any silently broken connection misrepresents the method. We formulate aspect-ratio-adaptive flowchart relayout as a distinct task: given a raster flowchart and a target ratio, produce a structurally faithful, hallucination-free, editable layout. Existing methods fail characteristically: image-to-image models stretch blocks and reject extreme ratios, text-to-image agentic systems hallucinate content, and parse-then-render systems mis-route edges. We propose an agentic pipeline factored into Parse, Style, and Layout stages, each pairing a main agent with a critic that combines deterministic constraint checks with VLM visual feedback so connectivity is explicitly checked and prevented from being silently broken. Outputs are draw.io-editable mxGraph XML. On a curated benchmark of 100 flowcharts at five aspect ratios, evaluated by Gemini 3.1 Pro and validated against human judgments, our method reaches 68.6% Content Fidelity versus 11.2-41.4% for prior work. Project page: https://onefigureeverycanvas.vercel.app/
• Abstract（参考訳）: ML論文のパイプラインフィギュアは、紙のコラム、16:9スライド、肖像画、1:1ソーシャルティーザー、9:16電話プレビューなど、多くのキャンバスで再利用されなければならない。 それぞれの形式は同じ計算グラフ上で異なるアスペクト比を課し、無声で壊れた接続はメソッドを誤って表現する。 我々は, アスペクト比適応型フローチャートリレーを, ラスタフローチャートと目標比を与えられた場合, 構造的に忠実で幻覚のない, 編集可能なレイアウトを生成する。 既存の手法では、画像から画像へのモデルがブロックを延ばし、極端な比率を拒否する、テキストから画像へのエージェントシステムがコンテンツを幻覚させる、パース・テン・レンダーがエッジを間違える、といった特徴がある。 本稿では、Parse、Style、Layoutの各ステージに、決定論的制約チェックとVLM視覚フィードバックを組み合わせて、メインエージェントをペアリングすることで、接続を明示的にチェックし、サイレントに壊れないようにするエージェントパイプラインを提案する。 出力は draw.io-editable mxGraph XML である。 Gemini 3.1 Proによって評価され、人的判断に対して検証された5つのアスペクト比で100のフローチャートのキュレートされたベンチマークにおいて、我々の方法は68.6%のコンテンツ忠実度に到達し、先行作業では11.2-41.4%に達した。 プロジェクトページ: https://onefigureeverycanvas.vercel.app/

関連論文リスト

• GraphWrit3R: End-to-End 3D Scene Graph Writing [55.64871017816196]
  3Dシーングラフは、オブジェクト、それらの意味的属性、それらの間の関係を符号化することで、複雑な環境の構造化された表現を提供する。 3次元シーングラフ生成の現在のアプローチは、いくつかの基本的な制限に悩まされている。 GraphWrit3Rは,3Dポイントクラウドを利用するシンプルなエンドツーエンドの手法で,シーンを構造化スクリプトとして直接出力する。
  論文  参考訳（メタデータ） (2026-09-25T17:52:39Z)
• ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning [54.86473583610112]
  グラフの連鎖推論に反射的相互作用を統合するPointCoTを提案する。 位置アノテーションに基づいてMLLMにバウンディングボックスと再レンダリングチャートを生成することで、テキスト推論ステップと視覚的接地領域の接続を確立する。 我々は、いくつかのグラフベンチマークにおいて最先端のモデルであるChartPointQ2とChartPointQ2.5を開発した。
  論文  参考訳（メタデータ） (2025-11-29T04:01:55Z)
• ChartAgent: A Multimodal Agent for Visually Grounded Reasoning in Complex Chart Question Answering [23.455587605758396]
  本稿では,グラフの空間領域内で直接視覚的推論を行う新しいエージェントフレームワークであるChartAgentを紹介する。 我々の研究は、ツール強化マルチモーダルエージェントを用いたチャート理解のための視覚的根拠に基づく推論を初めて示すものである。
  論文  参考訳（メタデータ） (2025-10-06T06:05:36Z)
• ChartMaster: Advancing Chart-to-Code Generation with Real-World Charts and Chart Similarity Reinforcement Learning [64.4193334712998]
  チャートからコードへの生成タスクでは、チャートイメージを実行可能なコードに変換するMLLMが必要である。 このタスクは、データ多様性の制限と、生成されたチャートと元のチャートの間の視覚的一貫性を維持することの難しさという、2つの大きな課題に直面する。 本稿では,arXiv論文から抽出した実世界の人間設計チャートをプロンプトとして活用するReChartPromptを提案する。 また,GRPOに基づく強化学習アルゴリズムであるChartSimRLを提案する。
  論文  参考訳（メタデータ） (2025-08-25T02:32:56Z)
• See it. Say it. Sorted: Agentic System for Compositional Diagram Generation [0.5079602839359522]
  スケッチ・トゥ・ダイアグラムの生成について研究し、粗い手書きスケッチを正確な構成図に変換する。 視覚言語モデル(VLM)とLarge Language Models(LLM)を結合した学習自由エージェントシステムSorted.を紹介する。 このシステムは、批判的VLMが小さな定性的な編集セットを提案する反復ループを実行し、複数の候補LPMが様々な戦略で更新を合成する。 この設計は、不安定な数値推定よりも定性的推論を優先し、大域的制約(例えば、アライメント、接続性)を保存し、自然に人間のループをサポートする。
  論文  参考訳（メタデータ） (2025-08-21T04:20:36Z)
• Does It Run and Is That Enough? Revisiting Text-to-Chart Generation with a Multi-Agent Approach [7.613758211231583]
  大規模な言語モデルでは、自然言語チャートの記述を実行可能なコードに変換することができるが、生成したスクリプトの約15%はまだ実行できない。 本稿では,既製のGPT-4o-miniモデルのみを用いて,ドラフト,実行,修理,判断を分離する軽量マルチエージェントパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-06-06T15:39:17Z)
• SLayR: Scene Layout Generation with Rectified Flow [10.449737374910619]
  本稿では,テキスト・ツー・イメージ生成のための新しいトランスフォーマーモデルであるSLayRを紹介する。 提案手法は, パラメータの3倍以上小さく, 両手法を同時に実現するための新しい手法であることを示す。
  論文  参考訳（メタデータ） (2024-12-06T12:58:58Z)
• High-Fidelity Guided Image Synthesis with Latent Diffusion Models [50.39294302741698]
  提案手法は, ユーザ満足度スコアを85.32%以上上回り, 従来の最先端技術よりも優れていた。 人的ユーザ調査の結果、提案手法は、全体のユーザ満足度スコアにおいて、従来の最先端技術よりも85.32%以上優れていたことが示されている。
  論文  参考訳（メタデータ） (2022-11-30T15:43:20Z)
• Diffusion-Based Scene Graph to Image Generation with Masked Contrastive Pre-Training [112.94542676251133]
  画像とのアライメントを直接最適化することで,シーングラフの埋め込みを学習する。 具体的には,シーングラフからグローバル情報とローカル情報の両方を抽出するエンコーダを事前訓練する。 SGDiffと呼ばれる結果の方法は、シーングラフノードと接続を変更することによって生成された画像のセマンティックな操作を可能にする。
  論文  参考訳（メタデータ） (2022-11-21T01:11:19Z)

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。