PosterGen：告別學(xué)術(shù)海報(bào)制作煩惱，從PDF生成可編輯PPTX學(xué)術(shù)海報(bào)

許多研究者在參加學(xué)術(shù)會(huì)議前，常常會(huì)因?yàn)橹谱骱?bào)所耗費(fèi)的大量時(shí)間和精力而感到困擾。一張精心設(shè)計(jì)的海報(bào)是高效的學(xué)術(shù)交流媒介，但現(xiàn)有自動(dòng)化方法普遍忽略了核心設(shè)計(jì)原則，導(dǎo)致生成的海報(bào)仍舊需要大量人工調(diào)整

為解決這一痛點(diǎn)，來自紐約州立大學(xué)石溪分校、紐約大學(xué)、不列顛哥倫比亞大學(xué)和浙江大學(xué)的聯(lián)合團(tuán)隊(duì)推出了PosterGen，一個(gè)能將論文PDF 直接轉(zhuǎn)化為設(shè)計(jì)精良、完全可編輯的 PPTX格式學(xué)術(shù)海報(bào)的多智能體框架。

• 論文標(biāo)題：PosterGen: Aesthetic-Aware Paper-to-Poster Generation via Multi-Agent LLMs
• 論文地址：https://arxiv.org/abs/2508.17188
• 代碼地址：https://github.com/Y-Research-SBU/PosterGen
• 項(xiàng)目主頁：https://Y-Research-SBU.github.io/PosterGen

PosterGen 的核心創(chuàng)新在于：

• 通過模擬專業(yè)設(shè)計(jì)師工作流的多智能體協(xié)作架構(gòu)，將復(fù)雜且依賴創(chuàng)意的設(shè)計(jì)任務(wù)進(jìn)行了系統(tǒng)性的分解與執(zhí)行；
• 構(gòu)建了一條從論文 PDF直達(dá)可編輯 PPTX 海報(bào)的端到端工作流，使研究者從耗時(shí)費(fèi)力的海報(bào)設(shè)計(jì)工作中解放，專注于學(xué)術(shù)交流的核心價(jià)值；
• 建立了一套遵循核心設(shè)計(jì)原則的自動(dòng)化流程，打造出首個(gè)在視覺美學(xué)和版式規(guī)范上，能與人類設(shè)計(jì)的海報(bào)相媲美的自動(dòng)化生成效果。

case 1：

case 2：

case 3：

深度嵌入框架的四大核心設(shè)計(jì)原則

PosterGen 能夠生成高品質(zhì)海報(bào)的核心要素在于，它并非簡單地堆砌內(nèi)容，而是將專業(yè)設(shè)計(jì)師的美學(xué)知識(shí)和設(shè)計(jì)策略，轉(zhuǎn)化為 AI 可理解和執(zhí)行的四大核心原則

敘事結(jié)構(gòu)（Narrative）：一張好的海報(bào)必須邏輯清晰。PosterGen 采用科學(xué)寫作中經(jīng)典的「And, But, Therefore」（ABT）敘事結(jié)構(gòu)。它首先建立研究背景（And），接著點(diǎn)明問題與挑戰(zhàn)（But），最后呈現(xiàn)解決方案與成果（Therefore），以此構(gòu)建出一條引人入勝的邏輯線索，引導(dǎo)觀眾快速理解研究核心。

空間布局（Layout Structure）：為確保信息傳遞的秩序感，PosterGen 采用專業(yè)且高效的三欄式網(wǎng)格布局。這種布局能夠保證自然的閱讀流，確保第一時(shí)間抓住觀眾的注意力的同時(shí)，提供一定的視覺喘息。同時(shí)，通過對(duì)留白（White Space）的有效運(yùn)用，清晰地分離各個(gè)內(nèi)容模塊，減少視覺混亂感。

色彩方案（Color Design）：色彩在視覺傳達(dá)中扮演著建立層次和確保可讀性的關(guān)鍵角色。PosterGen 采用一套克制的主題單色調(diào)配色方案，以維持視覺的和諧統(tǒng)一。該顏色方案由主題色、用于背景的單色變體以及用于高亮的高對(duì)比度強(qiáng)調(diào)色構(gòu)成。所有文本的色彩應(yīng)用都嚴(yán)格遵守 WCAG 4.5:1 的對(duì)比度標(biāo)準(zhǔn)，以保證在標(biāo)準(zhǔn)觀看距離下的可讀性。

版式層級(jí)（Typography Design）：字體設(shè)計(jì)與色彩協(xié)同工作，用來構(gòu)建信息的清晰度。PosterGen 優(yōu)先選用易讀的無襯線字體，并建立兩類層級(jí)：（1）利用不同字號(hào)區(qū)分標(biāo)題、正文等的視覺層級(jí)；（2）通過粗體、斜體和強(qiáng)調(diào)色等格式來構(gòu)建關(guān)鍵詞的語義層級(jí)，共同確保信息傳遞的高效與精準(zhǔn)。

圖 1 PosterGen 多智能體框架概覽

PosterGen 的工作流由四個(gè)協(xié)同工作的專業(yè)智能體（或模塊）構(gòu)成，系統(tǒng)性地將設(shè)計(jì)原則貫穿于海報(bào)生成的每一個(gè)環(huán)節(jié)，環(huán)環(huán)相扣、各司其職，讓學(xué)術(shù)海報(bào)的自動(dòng)化生成擁有了接近人類設(shè)計(jì)師的「審美與靈感」。

• 內(nèi)容解析與策劃（Parser and Curator Agents）

該階段主要功能是一次「智能化的故事重構(gòu)」。Parser Agent 負(fù)責(zé)從原始 PDF 論文中提取所有文字與視覺元素（如圖表），而 Curator Agent 則像一個(gè)「敘事導(dǎo)演」，按照ABT 結(jié)構(gòu)（And, But, Therefore），將復(fù)雜的論文內(nèi)容轉(zhuǎn)化為簡明扼要的故事板，為后續(xù)設(shè)計(jì)奠定敘事骨架。

• 空間布局生成（Layout Agent）

Layout Agent 負(fù)責(zé)將概念性的故事板轉(zhuǎn)化為精確的空間布局，在一個(gè)標(biāo)準(zhǔn)的三欄式畫布上，系統(tǒng)地放置每一個(gè)內(nèi)容元素。這種結(jié)構(gòu)被廣泛證明能有效確保自然的閱讀流，并通過將關(guān)鍵視覺元素策略性地放置在視平線的「熱區(qū)」（如中間列頂部），構(gòu)成視覺錨點(diǎn)以吸引觀眾。

圖 2 PosterGen 所采用的基本布局框架

為實(shí)現(xiàn)元素間的精準(zhǔn)間距控制，Layout Agent 還將留白（white space）視為關(guān)鍵的設(shè)計(jì)元素。它實(shí)現(xiàn)了一個(gè)類似 CSS 的盒模型（box model），為每個(gè)內(nèi)容元素（文本、圖片、表格）封裝獨(dú)立的「外邊距」和「內(nèi)邊距」屬性，從而對(duì)元素周圍的間距進(jìn)行精細(xì)化控制。

圖 3 類 CSS 的盒模型布局方法

由于不同系統(tǒng)的渲染引擎的差異，精確計(jì)算文本框的高度是 PPTX 自動(dòng)化布局中的一個(gè)核心挑戰(zhàn)。為此，研究團(tuán)隊(duì)提出了一種優(yōu)化的估算算法，該算法通過二分搜索來確定避免字體大小被自動(dòng)縮減的最小文本框高度，并結(jié)合換行符進(jìn)行偏移校正，以精準(zhǔn)預(yù)測(cè)最終渲染高度，從而有效避免了令人頭疼的內(nèi)容溢出與浪費(fèi)空間。

圖 4 文本高度估算算法偽代碼

• 視覺風(fēng)格化（Stylist Agents）

此階段是 PosterGen 實(shí)現(xiàn)「美學(xué)設(shè)計(jì)」的關(guān)鍵，由兩個(gè)智能體組成：

• 色彩智能體（Color Agent）會(huì)自動(dòng)提取機(jī)構(gòu) Logo 或關(guān)鍵圖像中的主題色，再結(jié)合色彩理論生成一套專業(yè)調(diào)色板：主題色、單色變體與高對(duì)比度強(qiáng)調(diào)色，既保證美觀，也嚴(yán)格遵守 WCAG 對(duì)比度標(biāo)準(zhǔn)，做到「美且易讀」。

圖 5 學(xué)術(shù)海報(bào)智能色彩生成方案

• 字體智能體（Font Agent）則負(fù)責(zé)構(gòu)建清晰的視覺層級(jí)和語義層級(jí)，讓標(biāo)題、正文、關(guān)鍵詞各有視覺上的分工，重點(diǎn)信息用粗體、斜體或強(qiáng)調(diào)色加以突顯，讓觀眾的目光「不由自主」被引導(dǎo)。

圖 6 學(xué)術(shù)海報(bào)字體樣式設(shè)計(jì)方案

• 海報(bào)渲染輸出（Renderer）

最后，Renderer 模塊將所有風(fēng)格與布局信息精準(zhǔn)落地，并調(diào)用 python-pptx 庫生成完全可編輯的 PPTX 格式的學(xué)術(shù)海報(bào)，并自動(dòng)生成高分辨率的 PNG 圖像，供用戶查閱和使用。生成的結(jié)果能夠直接用于學(xué)術(shù)會(huì)議現(xiàn)場(chǎng)，達(dá)到演示級(jí)別的水準(zhǔn)。

實(shí)驗(yàn)評(píng)估與結(jié)果

為了證明 PosterGen 的「美學(xué)驅(qū)動(dòng)」確實(shí)有效，研究團(tuán)隊(duì)引入了一套基于視覺語言模型（VLM）的綜合性評(píng)估標(biāo)準(zhǔn)（VLM-as-Judge），從內(nèi)容和設(shè)計(jì)兩大維度對(duì)生成結(jié)果進(jìn)行評(píng)分。

圖 7 定量實(shí)驗(yàn)結(jié)果

圖 8 案例研究對(duì)比結(jié)果

實(shí)驗(yàn)結(jié)果證明了 PosterGen 框架的有效性：

• 定量結(jié)果表明，PosterGen 在內(nèi)容保真度上與當(dāng)前 SOTA 方法（PosterAgent）相當(dāng)，但在所有設(shè)計(jì)與美學(xué)指標(biāo)上均取得了顯著且一致的提升，尤其在「主題一致性」、「風(fēng)格層次」、「字體可讀性」等維度上實(shí)現(xiàn)了壓倒性領(lǐng)先。
• 定性對(duì)比同樣印證了優(yōu)勢(shì)：相比之下，直接使用文生圖模型的 GPT-4o 存在內(nèi)容幻覺和文本亂碼問題；而 SOTA 方法（PosterAgent）則在布局上存在元素重疊、閱讀流不自然等缺陷，而 PosterGen 的結(jié)果在海報(bào)布局結(jié)構(gòu)、視覺層次和整體美感上表現(xiàn)出色。

圖 9 消融實(shí)驗(yàn)結(jié)果

消融實(shí)驗(yàn)進(jìn)一步證明了 PosterGen 各核心智能體設(shè)計(jì)的必要性。結(jié)果顯示：

• 僅有Curator Agent生成的初始故事板缺乏空間規(guī)劃，導(dǎo)致布局混亂、內(nèi)容溢出；
• Layout Agent的介入成功解決了這些空間缺陷，實(shí)現(xiàn)了均衡的列布局；
• Stylist Agents的應(yīng)用則為海報(bào)注入了最終的視覺美感，通過和諧的色彩與分層的字體設(shè)計(jì)，極大地提升了海報(bào)的專業(yè)性和吸引力。

這一過程清晰地展示了每個(gè)智能體在從內(nèi)容到最終設(shè)計(jì)成品轉(zhuǎn)化過程中的不可或缺的貢獻(xiàn)。

總結(jié)與意義

PosterGen 不僅是又一個(gè)自動(dòng)化工具，而是一次對(duì)「設(shè)計(jì)智能體」未來形態(tài)的大膽探索。它讓學(xué)術(shù)海報(bào)自動(dòng)生成真正跨越了從「能用」到「好用」、再到「夠美」的門檻。

這一框架不僅極大地減輕了研究者的負(fù)擔(dān)，更展示了多智能體系統(tǒng)在「邏輯與創(chuàng)意融合任務(wù)」上的巨大潛力。對(duì)科研人員來說，PosterGen 意味著：從此再也不用被海報(bào)設(shè)計(jì)困住，可以把寶貴的精力完全放在學(xué)術(shù)會(huì)議中的科研與交流上。