arXiv 2610.23230
RAP: Bộ dữ liệu tạo poster từ bài báo qua đánh dấu khai báo, dựa trên các mẫu do con người tạo ra
RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
AI19 lượt đề xuất
Tác giả: Haonan Han, Yukang Lin, Minliang Lin, Haoxian Tan, Jun-Yan He, Rui Yang, Zhi-Qi Cheng, Jie Hu +2
Tổng quan
Các tác giả xây dựng RAP, một bộ dữ liệu gồm hơn 25K cặp bài báo-poster đã được kiểm chứng từ các hội nghị học máy (2022-2026), trong đó mỗi poster do con người làm được chuyển thành HTML/CSS có kiểu dáng và các ô (slot) có thể điền lại. Họ cũng công bố một bộ benchmark giữ lại gồm 150 bài báo và sử dụng kho dữ liệu này theo hai hướng: PosterRAG, một pipeline đa tác nhân không cần huấn luyện, truy xuất và điền lại mẫu; và một mô hình SFT+RL.
Giới thiệu
Tạo poster hội nghị đòi hỏi tóm tắt bài báo, thiết kế bố cục và viết mã. Tuy nhiên, các benchmark hiện có còn nhỏ, chỉ được gán nhãn bằng khung bố cục, buộc việc đánh giá phải dựa vào VLM làm giám khảo hoặc danh sách kiểm tra của con người. Các poster do con người tạo ra cũng chưa được dùng làm thư viện thiết kế có thể truy xuất hoặc dữ liệu huấn luyện đã kiểm chứng.
Kết quả
Phần tóm tắt không báo cáo điểm benchmark nào. Đóng góp chính là bộ dữ liệu hơn 25K cặp bài báo-poster và benchmark 150 bài báo, trong đó mỗi mẫu có thể được kiểm tra bằng cách so sánh kết quả render với poster gốc. Nhờ đó có thể đánh giá khách quan bằng so sánh render thay vì chấm điểm chủ quan.
Kết luận
RAP biến các poster do con người làm thành nguồn tài nguyên có thể kiểm chứng và tái sử dụng, phục vụ cả sinh nội dung dựa trên truy xuất lẫn huấn luyện mô hình.