arXiv 2610.23230
RAP: 사람이 만든 예시로부터 선언적 마크업을 통해 논문을 포스터로 생성하는 데이터셋
RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
AI추천 19
저자: Haonan Han, Yukang Lin, Minliang Lin, Haoxian Tan, Jun-Yan He, Rui Yang, Zhi-Qi Cheng, Jie Hu +2
개요
저자들은 머신러닝 학회(2022~2026)의 검증된 논문-포스터 쌍 25K개 이상으로 구성된 데이터셋 RAP를 구축했습니다. 각 사람이 만든 포스터는 채울 수 있는 슬롯이 있는 스타일 HTML/CSS로 변환됩니다. 또한 150편 논문의 보류 벤치마크를 공개하고, 학습 없이 다중 에이전트로 예시를 검색해 채우는 PosterRAG와 SFT+RL 모델이라는 두 가지 방식에 이 데이터를 활용합니다.
소개
학회 포스터를 만들려면 논문을 요약하고, 레이아웃을 설계하고, 코드를 작성해야 합니다. 그러나 기존 벤치마크는 규모가 작고 레이아웃 박스로만 주석이 달려 있어, VLM 평가자나 사람이 만든 체크리스트에 의존해야 합니다. 또한 사람이 만든 포스터는 검색 가능한 디자인 라이브러리나 검증된 학습 데이터로 활용되지 못하고 있습니다.
결과
초록은 벤치마크 점수를 보고하지 않습니다. 핵심 기여는 25K개 이상의 논문-포스터 데이터셋과 150편 벤치마크이며, 각 샘플을 원본 포스터와 렌더링 비교로 검증할 수 있습니다. 이를 통해 주관적 판단 대신 객관적인 렌더링 비교 평가가 가능해집니다.
결론
RAP는 사람이 만든 포스터를 검증 가능하고 재사용할 수 있는 자원으로 바꾸어, 검색 기반 생성과 모델 학습 모두에 활용할 수 있게 합니다.