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

許多研究者在參加學(xué)術(shù)會議前，常常會因為制作海報所耗費的大量時間和精力而感到困擾。一張精心設(shè)計的海報是高效的學(xué)術(shù)交流媒介，但現(xiàn)有自動化方法普遍忽略了核心設(shè)計原則，導(dǎo)致生成的海報仍舊需要大量人工調(diào)整

為解決這一痛點，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)合團隊推出了PosterGen，一個能將論文PDF 直接轉(zhuǎn)化為設(shè)計精良、完全可編輯的 PPTX格式學(xué)術(shù)海報的多智能體框架。

• 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)計任務(wù)進行了系統(tǒng)性的分解與執(zhí)行；
• 構(gòu)建了一條從論文 PDF直達可編輯 PPTX 海報的端到端工作流，使研究者從耗時費力的海報設(shè)計工作中解放，專注于學(xué)術(shù)交流的核心價值；
• 建立了一套遵循核心設(shè)計原則的自動化流程，打造出首個在視覺美學(xué)和版式規(guī)范上，能與人類設(shè)計的海報相媲美的自動化生成效果。

case 1：

case 2：

case 3：

深度嵌入框架的四大核心設(shè)計原則

PosterGen 能夠生成高品質(zhì)海報的核心要素在于，它并非簡單地堆砌內(nèi)容，而是將專業(yè)設(shè)計師的美學(xué)知識和設(shè)計策略，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，確保第一時間抓住觀眾的注意力的同時，提供一定的視覺喘息。同時，通過對留白（White Space）的有效運用，清晰地分離各個內(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比度強調(diào)色構(gòu)成。所有文本的色彩應(yīng)用都嚴格遵守 WCAG 4.5:1 的對比度標(biāo)準(zhǔn)，以保證在標(biāo)準(zhǔn)觀看距離下的可讀性。

版式層級（Typography Design）：字體設(shè)計與色彩協(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：（1）利用不同字號區(qū)分標(biāo)題、正文等的視覺層級；（2）通過粗體、斜體和強調(diào)色等格式來構(gòu)建關(guān)鍵詞的語義層級，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)計原則貫穿于海報生成的每一個環(huán)節(jié)，環(huán)環(huán)相扣、各司其職，讓學(xué)術(shù)海報的自動化生成擁有了接近人類設(shè)計師的「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「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)計奠定敘事骨架。

• 空間布局生成（Layout Agent）

Layout Agent 負責(zé)將概念性的故事板轉(zhuǎn)化為精確的空間布局，在一個標(biāo)準(zhǔn)的三欄式畫布上，系統(tǒng)地放置每一個內(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)成視覺錨點以吸引觀眾。

圖 2 PosterGen 所采用的基本布局框架

為實現(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)計元素。它實現(xiàn)了一個類似 CSS 的盒模型（box model），為每個內(nèi)容元素（文本、圖片、表格）封裝獨立的「外邊距」和「內(nèi)邊距」屬性，從而對元素周圍的間距進行精細化控制。

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，精確計算文本框的高度是 PPTX 自動化布局中的一個核心挑戰(zhàn)。為此，研究團隊提出了一種優(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縮減的最小文本框高度，并結(jié)合換行符進行偏移校正，以精準(zhǔn)預(yù)測最終渲染高度，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 實現(xiàn)「美學(xué)設(shè)計」的關(guān)鍵，由兩個智能體組成：

• 色彩智能體（Color Agent）會自動提取機構(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、單色變體與高對比度強調(diào)色，既保證美觀，也嚴格遵守 WCAG 對比度標(biāo)準(zhǔn)，做到「美且易讀」。

圖 5 學(xué)術(shù)海報智能色彩生成方案

• 字體智能體（Font Agent）則負責(zé)構(gòu)建清晰的視覺層級和語義層級，讓標(biāo)題、正文、關(guān)鍵詞各有視覺上的分工，重點信息用粗體、斜體或強調(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)海報字體樣式設(shè)計方案

• 海報渲染輸出（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，并自動生成高分辨率的 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)會議現(xiàn)場，達到演示級別的水準(zhǔn)。

實驗評估與結(jié)果

為了證明 PosterGen 的「美學(xué)驅(qū)動」確實有效，研究團隊引入了一套基于視覺語言模型（VLM）的綜合性評估標(biāo)準(zhǔn)（VLM-as-Judge），從內(nèi)容和設(shè)計兩大維度對生成結(jié)果進行評分。

圖 7 定量實驗結(jié)果

圖 8 案例研究對比結(jié)果

實驗結(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」等維度上實現(xiàn)了壓倒性領(lǐng)先。
• 定性對比同樣印證了優(yōu)勢：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 消融實驗結(jié)果

消融實驗進一步證明了 PosterGen 各核心智能體設(shè)計的必要性。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，實現(xiàn)了均衡的列布局；
• Stylist Agents的應(yīng)用則為海報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，極大地提升了海報的專業(yè)性和吸引力。

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

總結(jié)與意義

PosterGen 不僅是又一個自動化工具，而是一次對「設(shè)計智能體」未來形態(tài)的大膽探索。它讓學(xué)術(shù)海報自動生成真正跨越了從「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。對科研人員來說，PosterGen 意味著：從此再也不用被海報設(shè)計困住，可以把寶貴的精力完全放在學(xué)術(shù)會議中的科研與交流上。