學術插圖新神器！萬字材料秒出SVG，西湖大學出品 | ICLR'26

AutoFigure團隊 投稿
量子位 | 公眾號 QbitAI

你是否也經歷過這樣的絕望：

論文截稿在即，面對大段的文字你抓耳撓腮，PPT畫框畫到手抽筋；

嘗試用Nano banana生個圖，顏值拉滿但邏輯全錯，甚至還自帶“克蘇魯”風格的模糊字符；

^好不容易調好了Prompt，結果想改一個小圖標，卻發現AI給你的只是一張無從下手的“死圖”。

這種“審美與邏輯不可兼得、生成與編輯徹底斷層”的痛點，終于要被終結了。

現在，你可以把大段的文字材料直接塞給AutoFigure，西湖大學團隊推出的全新智能體繪圖框架。

它能夠一鍵讀懂上萬字的論文、書籍、博客，自動化地吐出高質量的學術插圖為你所用。

更重磅的是，其優化版本AutoFigure-Edit實現了從“像素”到“矢量”的跨越：生成的插圖不再是死板的圖片png，而是細節可編輯的SVG文件（現在你可以在PPT里直接編輯了）。

目前，該工作已入選ICLR 2026。代碼、數據集、Web交互界面全部開源，并同步上線了可一鍵使用的在線網站。

背景：為什么AI以前畫不好科學插圖？

在學術繪圖界，一直存在兩個極端：

1. End-to-end派（如GPT-Image）：審美在線，但邏輯經常“蹦迪”，文字更是重災區，充滿了莫名其妙的幻覺字符。

2. Text-to-code派（如TikZ/SVG生成）：邏輯倒是嚴密，但視覺效果往往丑得像上個世紀的教科書，缺乏現代論文的高級感。

AutoFigure提出了“推理式渲染”（Reasoned Rendering）范式：將“腦子（邏輯布局）”和“手（美化渲染）”徹底分開。

技術方案：模擬大牛設計師的“三步走”策略

AutoFigure的核心是一個分工明確的多智能體協作系統。

△AutoFigure架構圖（由AutoFigure生成，未經修改）

第一步：Conceptual Grounding（構建邏輯骨架）

AI讀入你長達萬詞的文字材料，自動提取實體和關系，生成一個粗糙但結構正確的布局（SVG/HTML代碼）

第二步：Critique-and-Refine（Agent閉環迭代）

模擬人類設計師與甲方的反復拉鋸，對圖片布局進行反復修改：

• AI Designer負責根據反饋修改布局。
• AI Critic則負責挑毛病（例如“這里箭頭重疊了”、“布局重心不穩”），直到得到滿意的繪圖質量。

第三步：Aesthetic Rendering & “Erase-and-Correct”

在最終美化階段，AutoFigure首先將布局渲染為一張精美的圖片。隨后，為了解決現在AIGC生圖文字變形的問題，保證圖片中文字的正確性，AutoFigure引入了專門的“擦除-修正”策略：用OCR識別模糊字符，把它們“摳掉”，再重新覆蓋上清晰的矢量文本。

AutoFigure-Edit：把AI生成圖裝進PPT

△AutoFigure-Edit流程圖（由AutoFigure-Edit生成）

在最新版本AutoFigure-Edit中，西湖大學團隊更進一步，引入了SAM3自動摳圖技術，包括：

• 利用Meta最新的SAM3技術識別圖中的Icon。
• 配合RMBG-2.0自動去除背景。
• 矢量重組：將這些干凈的圖標重新塞進生成的SVG模板中。

最終，你得到的是一個可以在瀏覽器內置編輯器里直接拖拽、改字、換色的動態畫布，能夠按照你的想法對圖片細節進行更改。

△基于AutoFigure-Edit的在線畫布

△AutoFigure-Edit渲染過程示例圖

人類實驗結果：66.7%的專家覺得它達到了Camera-ready標準！

為了驗證AutoFigure的效果，團隊構建了全球首個大規模科學插圖基準——FigureBench。

規模宏大：涵蓋3,300高質量文本-圖片對，跨越論文、綜述、技術博客、教科書等四種科學文本。

△FigureBench數據集介紹

降維打擊：在邏輯清晰度和準確度上，AutoFigure的優勢極大，在教科書類任務中勝率甚至高達97.5%。

△在FigureBench上的實驗結果

更具說服力的是人類專家盲測：10位論文一作對生成的圖片進行評審，結果顯示66.7%的專家認為AutoFigure生成的圖已經達到了Camera-ready（出版級）標準。

△人類專家評價結果

接下來，我們看幾個case，直觀感受一下。

由AutoFigure-Edit產生的方法圖：

由AutoFigure-Edit產生的方法圖：

由AutoFigure-Edit產生的方法圖：

方法圖，左側為第一階段PNG形式，右側為最終轉換得到的SVG文件：

方法圖，左側為第一階段PNG形式，右側為最終轉換得到的SVG文件：

由AutoFigure-Edit產生的生物機制圖：

由AutoFigure-Edit產生的材料機制圖：

由AutoFigure產生的綜述圖：

由AutoFigure產生的教科書圖：

項目價值：AI Scientist的“最后一塊拼圖”

插圖不僅是視覺補充，更是復雜科學概念的橋梁。AutoFigure的出現，意味著：

1. 賦能AI科學家：這是AI實現全流程自主研究（從文本到繪圖）的關鍵一步。

2. 不只是架構圖：無論是流程圖、算法流程，還是復雜的教科書示意圖，它都能手到擒來。

本項目提供了可一鍵使用的在線網站。建議各位研究者先收藏，下次ddl前，起碼畫圖應該不會那么倉促了。

GitHub：

https://github.com/ResearAI/AutoFigure-Edit
論文：

https://arxiv.org/abs/2602.03828v1
HuggingFace：

https://huggingface.co/datasets/WestlakeNLP/FigureBench
網站：

https://deepscientist.cc
彩蛋：

所有學者均可免費體驗demo，有期刊投稿需求的朋友不用擔心，Nature風格、Science風格等多樣風格一鍵生成功能也將很快上線。

想要體驗這款“繪圖神器”嗎？點擊上方鏈接即可開始你的創作！

本項目由西湖大學張岳實驗室全面開源。西湖大學自然語言處理實驗室（WestlakeNLP）成立于2018年9月，由張岳教授領導。張岳教授畢業于牛津大學，獲博士學位，現任西湖大學工程學院副院長。他著有劍橋大學出版社出版的《自然語言處理》一書，并擔任過EMNLP 2022等多個頂級NLP會議的程序委員會主席。

本項目核心團隊成員包括翁詣軒*、林圳、朱敏郡、謝秋婕、盧攀忠、孫啟耀等人。實驗室過往成果包括Cycle Researcher、DeepReview、DeepScientist（兩個月刷新三個前沿任務SoTA的人工智能科學家項目）等工作。歡迎感興趣的同學加入到自動化科學發現研究，有意向申請長期實習、博士生、研究助理者可聯系張岳教授郵箱（zhangyue@westlake.edu.cn）。