論文の概要: RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars

• arxiv url: http://arxiv.org/abs/2610.23230v1
• Date: Fri, 16 Oct 2026 09:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.860527
• Title: RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
• Title（参考訳）: RAP:人間工芸家からの宣言的マークアップによる紙と郵便の創出のためのデータセット
• Abstract要約: RAP (Reconstruct A Poster) は、視覚的コーディングタスクとして、紙とポスターの生成のためのデータセットとベンチマークである。 RAPには、2022年から2026年の間に開催されたさまざまな機械学習カンファレンスから、25K以上の検証済みのペーパーポストペアが含まれている。 完全に自動化されたデレンダリングパイプラインは、各ポスターをタイプされたリフィル可能なスロットのスタイル付きHTML/CSSに変換する。
• 参考スコア（独自算出の注目度）: 38.10868921241113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Making a conference poster is visual coding in miniature: an entire paper must be compressed onto a single page, which exercises summarization, visual design, and code implementation at once, using nothing beyond the paper itself. Yet benchmarks for this task in the context of visual coding remain scarce: existing resources are small and annotated only with layout boxes, so evaluation must fall back on VLM-as-judge or human checklists rather than objective render-and-compare, and the generation methods they support design layouts from scratch, leaving human-crafted posters unusable as either a retrievable design library or as verified supervision. We introduce RAP (Reconstruct A Poster), a dataset and benchmark for paper-to-poster generation as a visual coding task. RAP contains 25K+ verified paper-poster pairs from various machine learning conferences held between 2022 and 2026, annotated with a three-level content taxonomy, plus a held-out benchmark of 150 test papers each paired with its human poster. A fully automated derendering pipeline turns each poster into styled HTML/CSS of typed, refillable slots, so every sample is a paper-poster-markup triplet verifiable by rendering against the source poster. The corpus serves both inference and training: PosterRAG, a training-free multi-agent pipeline, retrieves an exemplar and refills its slots without touching layout or styling, while an SFT+RL recipe trains a dedicated model from the same triplets. An online demo is available at https://reconstruct-a-poster.github.io/.
• Abstract（参考訳）: 会議ポスターを作成するには、ミニチュアで視覚的なコーディングを行う必要がある。紙自体を1ページに圧縮し、要約、ビジュアルデザイン、コード実装を一度に行う必要がある。 既存のリソースはレイアウトボックスのみで注釈付けされているため、評価は客観的なレンダリングと補完ではなくVLM-as-judgeやヒューマンチェックリストに逆戻りしなければなりません。 本稿では,視覚的コーディングタスクとして,紙とポスター生成のためのデータセットとベンチマークであるRAP(Reconstruct A Poster)を紹介する。 RAPには、2022年から2026年の間に行われたさまざまな機械学習カンファレンスから25K以上の検証済みのペーパーポストペアが含まれており、3レベルのコンテンツ分類に注釈が付けられている。 完全に自動化されたデレンダリングパイプラインは、各ポスターをタイプされたリフィル可能なスロットのスタイル付きHTML/CSSに変換する。 PosterRAGはトレーニング不要のマルチエージェントパイプラインで、レイアウトやスタイリングを使わずに模範を検索してスロットを再充填し、SFT+RLレシピは同じ三つ子から専用モデルを訓練する。 オンラインデモはhttps://reconstruct-a-poster.github.io/で公開されている。

関連論文リスト

• From Transient Prompts to Persistent Control: Scientific Poster Generation via Recursive Semantic-Geometric Contracts [67.34566880931716]
  PosterVisorは、ポスター生成を一時的なプロンプトから永続的なコントロールに移行するコントロールフレームワークである。 オーケストラは、紙と視覚資産にルーリックを置き、それらをセマンティック幾何学契約にコンパイルする。 Recursive Contract Enforcement (RCE) は証拠が現れると、ステージ全体のチェックを動的にトリガーする。
  論文  参考訳（メタデータ） (2026-09-15T15:32:07Z)
• ResearchStudio-Reel: Automate the Last Mile of Research from Paper to Poster, Video, and Blog [64.14077660274674]
  論文をポスター、トークビデオ、ブログ記事に変える研究の普及は、まだ手作業だ。 ResearchStudio-Reelは、3つの編集可能なアーティファクトを出荷する唯一のパイプラインである。
  論文  参考訳（メタデータ） (2026-07-05T17:59:33Z)
• PosterHarness: Turning Scientific Poster Generation into an Auditable Instruction-Following Benchmark [7.957250777212916]
  テキストリッチな画像モデルは、現在、ポスタースケールのレイアウトを設計できますが、それらが科学的コミュニケーション契約を尊重するかどうかを測定する方法はありません。 本稿では、評価可能な指示追従タスクとして、監査可能なハーネスリフレーミングポスター生成であるPOSTERHARNESSを提案する。
  論文  参考訳（メタデータ） (2026-07-03T06:39:56Z)
• PIXELRAG: Web Screenshots Beat Text for Retrieval-Augmented Generation [70.26672362704758]
  我々は,Webサイトを視覚的に表現する新しい検索拡張手法であるPixelRAGを紹介する。 PixelRAGはこの形式で完全なウィキペディアコーパス上で動作する最初のパイプラインである。 非検索とテキストベースのRAGベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-06-01T23:20:51Z)
• 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)
• Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers [34.9495497884296]
  ポストジェネレーションは科学コミュニケーションにおいて不可欠だが難しい課題である。 ポスター生成のための最初のベンチマークとメトリクススイートを紹介する。 PosterAgentはトップダウンのビジュアルインザループマルチエージェントパイプラインである。
  論文  参考訳（メタデータ） (2025-05-27T17:58:49Z)

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。