← नवीनतम पेपर
🤖 AI

SciFig: Towards Automating Editable Figure Generation for Scientific Papers

यह शोध पत्र SciFig को प्रस्तुत करता है, जो एक एंड-टू-एंड मल्टी-एजेंट फ्रेमवर्क है जो वैज्ञानिक पाठ से उच्च गुणवत्ता वाले, पूर्णतः संपादन योग्य कार्यप्रणाली आकृतियों (methodology figures) को स्वचालित रूप से उत्पन्न करके दृश्य गुणवत्ता और संeditability के बीच के समझौते को दूर करता है, साथ ही इसके बेहतर प्रदर्शन को मान्य करने के लिए एक नए बेंचमार्क (SciFig-Bench) और मूल्यांकन प्रोटोकॉल (SciFig-Eval) को भी प्रस्तुत करता है।

मूल लेखक: Siyuan Huang, Yifan Zhou, Yutong Gao, Zi Yin, Juyang Bai, Xinxin Liu, Rama Chellappa, Chun Pong Lau, Cheng Peng, Sayan Nag, Shraman Pramanick

प्रकाशित 2026-06-26
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Siyuan Huang, Yifan Zhou, Yutong Gao, Zi Yin, Juyang Bai, Xinxin Liu, Rama Chellappa, Chun Pong Lau, Cheng Peng, Sayan Nag, Shraman Pramanick

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जटिल नए व्यंजन के लिए रेसिपी लिख रहे हैं। आपने सभी चरणों को शब्दों में लिख दिया है, लेकिन आप जानते हैं कि शेफ को वास्तव में यह समझाने के लिए कि सामग्री कटोरे से चूल्हे तक कैसे पहुँचती है, आपको एक चित्र की आवश्यकता है।

वैज्ञानिक अनुसंधान की दुनिया में, इन "चित्रों" को मेथोडोलॉजी फिगर्स (methodology figures) कहा जाता है। ये वे आरेख (diagrams) हैं जो दिखाते हैं कि एक नया कंप्यूटर प्रोग्राम या वैज्ञानिक तरीका वास्तव में कैसे काम करता है।

समस्या:
अभी, इन आरेखों को बनाना ऐसा है जैसे ओवन मिट्स (oven mitts) पहनकर एक उत्कृष्ट कृति बनाने की कोशिश करना।

  • "क्रेयॉन" की समस्या: यदि आप मानक ड्राइंग टूल (जैसे पावरपॉइंट) का उपयोग करते हैं, तो आप चित्र को आसानी से संपादित कर सकते हैं, लेकिन यह अक्सर सख्त, सपाट और थोड़ा उबाऊ दिखता है—जैसे कि एक स्टिक-फिगर स्केच।
  • "ओवन मिट्स" की समस्या: यदि आप इसे सुंदर और यथार्थवादी बनाने के लिए फैंसी AI इमेज जनरेटर का उपयोग करते हैं, तो आपको एक उच्च गुणवत्ता वाला चित्र मिलता है, लेकिन यह एक फोटोग्राफ की तरह होता है। यदि आप केवल एक सामग्री बदलना चाहते हैं या एक तीर को हिलाना चाहते हैं, तो आप उसे बस क्लिक करके ड्रैग नहीं कर सकते। आपको पूरे चित्र को फेंकना होगा और फिर से शुरू करना होगा।

समाधान: SciFig
इस शोध पत्र के लेखकों ने SciFig नामक एक नई प्रणाली बनाई है। SciFig को एक टीम के चार विशिष्ट शेफ के रूप में समझें जो आपकी लिखित रेसिपी से एक कस्टम, संपादन योग्य और सुंदर आरेख बनाने के लिए मिलकर काम करते हैं।

यहाँ बताया गया है कि यह टीम कैसे काम करती है:

  1. द प्लानर (द आर्किटेक्ट - योजनाकार/वास्तुकार): सबसे पहले, यह एजेंट आपके टेक्स्ट को पढ़ता है और "ब्लूप्रिंट" का पता लगाता है। यह तय करता है, "ठीक है, यह हिस्सा बाईं ओर जाएगा, वह हिस्सा दाईं ओर जाएगा, और इन दोनों को एक बड़े तीर से जोड़ा जाना चाहिए।" यह अभी कुछ भी नहीं बनाता; यह केवल योजना बनाता है।
  2. द लेआउट एजेंट (द बिल्डर - लेआउट एजेंट/निर्माता): यह एजेंट ब्लूप्रिंट लेता है और एक ढांचा तैयार करता है। यह एक संरचित कंकाल (XML नामक डिजिटल प्रारूप का उपयोग करके) बनाता है जो टुकड़ों को अपनी जगह पर रखता है। क्योंकि यह एक पूर्ण पेंटिंग नहीं बल्कि एक कंकाल है, इसलिए आप दीवारों को आसानी से इधर-उधर हिला सकते हैं।
  3. द कंपोनेंट एजेंट (द डेकोरेटर - घटक एजेंट/सजावट करने वाला): अब, यह एजेंट विवरणों को भरता है। यह "शानदार" चीजें जोड़ता है—जैसे यथार्थवादी बनावट, रंग और आइकन—जो आरेख को पेशेवर और समृद्ध बनाते हैं। लेकिन, यह इन सजावटों को कंकाल से जोड़ देता है, ताकि वे संपादन योग्य बने रहें।
  4. द फीडबैक एजेंट (द क्रिटिक - फीडबैक एजेंट/समीक्षक): अंत में, यह एजेंट परिणाम को देखता है। यह किसी इंसान की बात सुन सकता है, जैसे "उस बॉक्स को ऊपर ले जाओ," या यह अपनी "आंखों" (एक AI विजन मॉडल) का उपयोग कर सकता है यह कहने के लिए कि, "हे, ये दो तीर अजीब तरह से क्रॉस कर रहे हैं; चलिए इसे ठीक करते हैं।" फिर यह आरेख को तब तक ट्यून करता है जब तक कि वह एकदम सही न हो जाए।

परिणाम:
अंतिम उत्पाद एक ऐसा आरेख है जो देखने में वैसा ही लगता है जैसा कि एक मानव विशेषज्ञ ने बनाया हो, लेकिन यह पूरी तरह से संपादन योग्य रहता है। आप एक बॉक्स पर क्लिक कर सकते हैं, लेबल बदल सकते हैं, या एक तीर को हिला सकते हैं बिना पूरे चित्र को खराब किए। यह सिस्टम लगभग 10 मिनट में यह काम कर देता है।

उन्होंने इसका परीक्षण कैसे किया (SciFig-Bench और SciFig-Eval)
यह साबित करने के लिए कि उनका सिस्टम काम करता है, टीम ने केवल अनुमान नहीं लगाया। उन्होंने:

  • एक लाइब्रेरी बनाई (SciFig-Bench): उन्होंने शीर्ष कंप्यूटर विज्ञान पत्रों से 435 वास्तविक, उच्च-गुणवत्ता वाले आरेख एकत्र किए। ये "गोल्ड स्टैंडर्ड" उत्तरों के रूप में काम करते थे।
  • एक ग्रेडिंग रूब्रिक बनाया (SciFig-Eval): केवल एक AI से यह पूछने के बजाय कि, "क्या यह सुंदर है?", उन्होंने एक सख्त 4-बिंदु चेकलिस्ट बनाई:
    1. पूर्णता (Completeness): क्या इसमें सभी महत्वपूर्ण भाग शामिल थे?
    2. विश्वसनीयता (Fidelity): क्या यह मूल लेखक के चित्र जैसा दिखता है?
    3. गुणवत्ता (Quality): क्या टेक्स्ट स्पष्ट है और लेआउट तार्किक है?
    4. डिज़ाइन (Design): क्या रंग और स्पेसिंग आंखों को सुखद लगते हैं?

फैसला:
जब उन्होंने अन्य तरीकों (एकल AI इमेज जनरेटर और अन्य मल्टी-स्टेप सिस्टम सहित) के साथ SciFig की तुलना की, तो SciFig हर श्रेणी में जीत गया।

  • इसने अधिक सटीक और पूर्ण आरेख बनाए।
  • यह दिखने में बेहतर था और इसे पढ़ना आसान था।
  • सबसे महत्वपूर्ण बात यह है कि, 60 मानव विशेषज्ञों के साथ एक ब्लाइंड टेस्ट में, SciFig को 81% बार सबसे अच्छा चुना गया, जिसने मूल पेपर के लेखकों द्वारा स्वयं बनाए गए मूल आरेखों को भी पीछे छोड़ दिया।

संक्षेप में:
SciFig वैज्ञानिक आरेखों को बनाने के कठिन काम को स्वचालित करने वाला एक उपकरण है। यह एक डिजिटल ड्राइंग टूल की संपादन क्षमता (editability) को एक AI इमेज जनरेटर की दृश्य सुंदरता (visual beauty) के साथ जोड़ता है, जिससे यह सुनिश्चित होता है कि वैज्ञानिक अपने विचारों को स्पष्ट रूप से संप्रेषित कर सकें बिना ड्राइंग सॉफ्टवेयर के साथ घंटों जूझने के।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →