arXiv 2610.23230
RAP：人手で作成された見本からの宣言的マークアップによる論文からポスター生成のためのデータセット
RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
AI推薦19
著者: Haonan Han, Yukang Lin, Minliang Lin, Haoxian Tan, Jun-Yan He, Rui Yang, Zhi-Qi Cheng, Jie Hu +2
概要
著者らは、機械学習の学会（2022～2026年）における検証済みの論文-ポスター対を25K超含むデータセットRAPを構築しました。各人手作成ポスターは、差し替え可能なスロットを持つスタイル付きHTML/CSSに変換されています。さらに、150本の論文からなる保持型ベンチマークを公開し、学習不要のマルチエージェント手法PosterRAG（見本を検索して各スロットを埋める）とSFT+RLモデルの2通りの方法でこのコーパスを活用しています。
はじめに
学会ポスターの作成には、論文の要約、レイアウト設計、コーディングが必要です。しかし既存のベンチマークは規模が小さく、レイアウトのボックスでのみ注釈されているため、VLMを審査役にするか人手のチェックリストで評価せざるを得ません。また、人手で作られたポスターは、検索可能な設計ライブラリや検証済みの学習データとして活用されていません。
結果
要旨はベンチマークのスコアを報告していません。主要な貢献は、25K超の論文-ポスターのデータセットと150本のベンチマークであり、各サンプルは元のポスターとのレンダリング比較で検証できます。これにより、主観的な判断ではなく客観的なレンダリング比較による評価が可能になります。
結論
RAPは人手で作られたポスターを、検索ベースの生成とモデル学習の両方に使える検証可能で再利用可能な資源に変えます。