核心观点 - 推出PosterGen多智能体框架 将论文PDF直接转化为设计精良且完全可编辑的PPTX格式学术海报 解决研究者制作海报耗时费力的问题[2] - 通过模拟专业设计师工作流的多智能体协作架构 系统性分解创意设计任务 建立端到端工作流[9] - 遵循四大核心设计原则 在视觉美学和版式规范上达到与人类设计相媲美的自动化生成效果[9][27][28] 技术架构 - 采用四智能体协同工作架构：内容解析与策划(Parser and Curator Agents)、空间布局生成(Layout Agent)、视觉风格化(Stylist Agents)、海报渲染输出(Renderer)[30] - Parser Agent从PDF提取文字与视觉元素 Curator Agent按ABT叙事结构重构故事板[31] - Layout Agent采用三栏式网格布局 通过类CSS盒模型实现精细化间距控制[32][34] - Stylist Agents包含色彩智能体和字体智能体 分别负责专业调色板生成和视觉层级构建[37][39] - Renderer模块调用python-pptx库生成可编辑PPTX和高分辨率PNG输出[42] 核心设计原则 - 叙事结构：采用ABT(And, But, Therefore)科学写作结构构建逻辑线索[27] - 空间布局：使用三栏式网格布局确保自然阅读流 通过留白分离内容模块[27] - 色彩方案：采用克制的主题单色调配色 严格遵守WCAG 4.5:1对比度标准[28] - 版式层级：选用无衬线字体 通过字号和格式构建视觉与语义双重层级[28] 技术创新 - 提出优化文本高度估算算法 通过二分搜索确定最小文本框高度 避免内容溢出[35] - 色彩智能体自动提取机构Logo主题色 结合色彩理论生成专业调色板[37] - 字体智能体构建视觉层级和语义层级 通过粗体/斜体/强调色突出关键信息[39] 性能表现 - 在GPT-4o评估中：内容指标平均得分4.33 设计指标平均得分4.44[45] - 在Claude Sonnet 4评估中：内容指标平均得分3.70 设计指标平均得分3.70[45] - 相比SOTA方法PosterAgent：在设计与美学指标上取得显著提升 尤其在主题一致性/风格层次/字体可读性维度实现压倒性领先[52] - 相比GPT-4o直接生成：有效避免内容幻觉和文本乱码问题 解决元素重叠和阅读流不自然缺陷[52] 应用价值 - 端到端工作流使研究者从海报设计工作中解放 专注于学术交流核心价值[9] - 生成结果达到演示级别水准 可直接用于学术会议现场[42] - 展示多智能体系统在逻辑与创意融合任务上的巨大潜力[51]