🤖 AI

SlideGen: Collaborative Multimodal Agents for Scientific Slide Generation

Dit artikel introduceert SlideGen, een collaboratief multimodaal agent-framework dat wetenschappelijke artikelen transformeert naar goed gestructureerde presentatieslides door narratieve planning, multimodale gronding en lay-outcompositie te coördineren, terwijl het tegelijkertijd een nieuwe geometrie-bewuste dichtheidsmetriek voorstelt om visuele balans en effectiviteit te evalueren.

Oorspronkelijke auteurs: Xin Liang, Zhilin Zhang, Xiang Zhang, Haoran Su, Yiwei Xu, Siqi Sun, Chenyu You

Gepubliceerd 2026-08-25

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Xin Liang, Zhilin Zhang, Xiang Zhang, Haoran Su, Yiwei Xu, Siqi Sun, Chenyu You

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Elke dag besteden wetenschappers en onderzoekers talloze uren aan het vertalen van dichte, technische artikelen naar presentatieslides. Dit is een noodzakelijk ritueel voor conferenties, klaslokalen en seminars, waar complexe ideeën moeten worden gedestilleerd tot een handvol heldere, visueel georganiseerde pagina's. De uitdaging is niet louter het samenvatten van tekst; het is een delicate daad van storytelling. Een presentator moet beslissen welk narratief hij vertelt, welke figuren hij benadert en hoe hij tekst en afbeeldingen zo arrangeert dat ze elkaar niet in de weg zitten. Als de lay-out slecht is, raakt het publiek verward of vermoeid, ongeacht hoe briljant het onderliggende onderzoek ook mag zijn. Decennialang is dit proces bijna volledig met de hand uitgevoerd, een tijdrovende taak die moeite heeft om het tempo bij te houden van de groeiende hoeveelheid wetenschappelijke output.

De kern van de moeilijkheid ligt in het feit dat het maken van een goede presentatie een vereiste is van twee verschillende soorten denken tegelijkertijd. Ten eerste moet men het lange, gedetailleerde verhaal van het wetenschappelijke artikel begrijpen. Ten tweede moet men een gevoel voor visueel ontwerp bezitten om dat verhaal te arrangeren in een format dat gemakkelijk te lezen is. De meeste bestaande computerprogramma's die proberen deze taak te automatiseren, richten zich alleen op de tekst, waardoor vaak slides ontstaan die rommelig, repetitief of visueel uit balans zijn. Ze behandelen het maken van een presentatie als een eenvoudige samenvattingsklus en missen de cruciale stap van het ontwerpen van de manier waarop de informatie op de pagina verschijnt.

Om dit op te lossen, heeft een team van onderzoekers een nieuw systeem genaamd SlideGen ontwikkeld. In plaats van te vertrouwen op één enkel computerprogramma dat alles tegelijk doet, hebben ze een collaboratief team van gespecialiseerde digitale agenten gebouwd. Denk aan deze agenten als een groep experts die samenwerken in een studio, waarbij elk persoon een specifieke taak heeft. Eén agent fungeert als de regisseur, die het hele artikel leest om het verhaal te schetsen en te beslissen wat de hoofdpunten moeten zijn. Een andere agent fungeert als een curator, die zorgvuldig de juiste grafieken, diagrammen en vergelijkingen selecteert om die punten te ondersteunen. Een derde agent functioneert als een ontwerper, die kiest uit een bibliotheek van vooraf gemaakte lay-outs om de tekst en afbeeldingen zo te arrangeren dat ze perfect bij elkaar passen zonder elkaar te overlappen. Ten slotte schrijft een vierde agent de sprekersnotities, die het script leveren dat de slides verbindt tot een vloeiend, gesproken narratief.

De onderzoekers testten dit systeem op 200 recente wetenschappelijke artikelen van vooraanstaande computerwetenschappelijke conferenties. Ze ontdekten dat de collaboratieve aanpak slides produceerde die aanzienlijk beter waren dan die gegenereerd door andere methoden. Het nieuwe systeem creëerde decks die niet alleen getrouw waren aan het oorspronkelijke onderzoek, maar ook visueel uitgebalanceerd en gemakkelijk te volgen waren. Om dit te meten, ontwikkelde het team een nieuwe manier om de slides te scoren op basis van hoe goed de inhoud de pagina vulde, waarbij zowel lege ruimtes als visuele rommel werden vermeden. Hun resultaten toonden aan dat de door dit team van agenten gegenereerde slides de menselijke beoordelingen van kwaliteit veel nauwer benaderden dan eerdere pogingen.

In een studie waarbij 30 mensen met ervaring in academische presentaties betrokken waren, waren de resultaten opmerkelijk. Wanneer hen werd gevraagd een slide deck te kiezen om als concept voor hun eigen presentaties te gebruiken, gaven bijna alle deelnemers de voorkeur aan de decks die door het nieuwe systeem waren gemaakt boven die van andere geautomatiseerde tools. Velen beoordeelden de kwaliteit van deze door computers gegenereerde slides als beter dan wat de meeste mensen zouden kunnen produceren, waarbij sommigen ze zelfs als expert-niveau bestempelden. Het systeem slaagde omdat het niet alleen informatie kopieerde en plakte; het redeneerde simultaan over de structuur van de presentatie en het visuele ontwerp. Door de complexe taak van het maken van slides op te splitsen in kleinere, gespecialiseerde stappen die door verschillende agenten worden afgehandeld, hebben de onderzoekers aangetoond dat computers kunnen leren om de artistieke en narratieve aspecten van wetenschappelijke communicatie te beheersen, waardoor een tijdrovende handmatige klus wordt omgezet in een efficiënt, geautomatiseerd proces.

Technische Samenvatting: SlideGen

Probleemstelling

De automatische generatie van presentatieslides uit wetenschappelijke papers is een uniek uitdagende multimodale taak die verder gaat dan eenvoudige tekstsamenvatting. Effectieve slide-decks vereisen niet alleen de extractie van belangrijke informatie, maar ook gezamenlijke redenering over lange contexten, de selectie en afstemming van multimodale bewijslast (figuren, tabellen, vergelijkingen) en het doelbewuste visuele ontwerp van lay-outs om helderheid en een narratieve flow te waarborgen.

Bestaande benaderingen beschouwen dit probleem grotendeels als een tekstgeneratie- of inhoudssamenvattings Taak. Hoewel recente methoden de inhoudselectie hebben verbeterd en enige ondersteuning bieden voor multimodale inputs, behandelen ze de visuele lay-out vaak als een secundaire kwestie of vertrouwen ze op post-hoc aanpassingen. Gevolgen daarvan lijden gegenereerde slides vaak aan repetitieve lay-outs, een slechte visuele balans tussen tekst en figuren, en een gebrek aan een coherente narratieve structuur over de pagina's heen. Bovendien vertrouwen bestaande evaluatieprotocollen vaak op tekstgebaseerde metrieken (bijv. ROUGE) of VLM-gebaseerde beoordelaars die de visuele organisatie, verspreiding en fragmentatie slechts gedeeltelijk vastleggen.

Methodologie

De auteurs stellen SlideGen voor, een collaboratief multimodaal agent-framework dat is ontworpen om narratieve planning, multimodale gronding en principiële lay-outcompositie te coördineren. In tegenstelling tot monolithische modellen of rigide formateringsregels, orkestreert SlideGen een pipeline van zes gespecialiseerde vision-language agents, georganiseerd in vier sequentiële stadia:

Narratieve Planning (Outliner):
De Outliner-agent voert globale documentparsing uit en genereert een hoogwaardige narratieve structuur. Het bepaalt de presentatie-outline, verdeelt kernideeën in een coherente sequentie van slides, en genereert beknopte titels en samenvattingen voor elk segment.
Multimodale Gronding (Mapper & Formulizer):
- Mapper: Wijs visuele assets (figuren en tabellen) toe aan specifieke slides op basis van semantische afstemming met de narratieve claims, inclusief rechtvaardigingen voor elke toewijzing.
- Formulizer: Pakt de specifieke uitdaging aan van het gronding van vergelijkingen, die geen bijschriften hebben. Het knipt vergelijkingen uit als afbeeldingen met een hoge resolutie om de typografie te behouden en koppelt ze aan slides op basis van de omliggende tekstuele context, om artefacten door LaTeX-herrendering te vermijden.
Lay-out Compositie (Arranger):
De Arranger-agent stelt elke slide samen door een lay-outtemplate te selecteren uit een vooraf gedefinieerde bibliotheek van 19 vaste-slot templates. Deze bibliotheek dekt diverse structuren (bijv. tekst-alleen, afbeelding-links/rechts, multi-afbeelding grids, formule-gecentreerd). De agent selecteert de optimale template $\ell_i$ voor een slide $s_i$ door de compatibiliteit te maximaliseren met het contentprofiel (aantal opsommingstekens, afbeeldingen, vergelijkingen en aspectratio's). Cruciaal is dat het gebruik van vaste slots overlap van elementen voorkomt en de bewerkbaarheid in standaard PPTX-formaten waarborgt. Indien een content-toewijzing onhaalbaar is voor een template, signaleert het systeem dit aan de Mapper om assets te herverdelen.
Globale Verfijning (Refiner & Speaker):
- Refiner: Voert deck-niveau aanpassingen uit, waaronder het samenvoegen van opeenvolgende tekst-alleen slides naar twee-koloms lay-outs, het afhandelen van tekstoverflow via begrensde font-scaling en contentcompressie, en het extraheren van een kleurenthema uit de bronfiguren van het paper om visuele cohesie te garanderen.
- Speaker: Genereert presentatornotities voor elk onderdeel, waarbij een vloeiend mondeling narratief wordt gesynthetiseerd dat transities en de rationale achter visuele keuzes uitlegt, onafhankelijk van de opsommingstekens.

Evaluatieprotocol:
Om het gebrek aan robuuste visuele metrieken aan te pakken, introduceren de auteurs Geometry-Aware Density (GAD). Deze metriek kwantificeert de lay-outkwaliteit door twee componenten te combineren:

Occupancy ( $OM_i$ ): Meet het deel van het slide-canvas dat door content wordt bezet, waarbij afwijkingen van een doel-densiteit $\tau$ worden bestraft.
Fragmentation Reward ( $FR_i$ ): Een concave kwadratische functie die een optimaal aantal content-elementen ( $M^\star$ ) beloont, en zowel schrale als overvolle lay-outs bestraft.
De GAD-score wordt gekalibreerd tegen menselijke oordelen met behulp van leave-one-deck-out cross-validatie.

Belangrijkste Bijdragen

SlideGen Framework: Een modulair, multi-agent systeem dat slidegeneratie deelt in afzonderlijke rollen (planning, gronding, lay-out, verfijning) om bewerkbare PPTX-bestanden te produceren zonder dat er referentie-decks nodig zijn.
Vierdimensionale Evaluatie: Een gestandaardiseerd protocol dat slidegeneratie evalueert op (i) visuele esthetiek (via GAD), (ii) communicatieve effectiviteit (SlideQA), (iii) holistische coherentie (VLM-als-Judge), en (iv) tekstuele coherentie (Perplexity).
Geometry-Aware Density (GAD): Een nieuwe, lay-out-gecentreerde metriek die visuele rommeligheid, schraalheid en fragmentatie kwantificeert, en een sterke correlatie ( $\rho = 0.820$ ) vertoont met menselijke oordelen.
Uitbreidbare Lay-out Bibliotheek: Een fixed-slot template systeem dat overlap van elementen door constructie voorkomt, terwijl het diverse slide-composities mogelijk maakt.

Resultaten

Het systeem werd geëvalueerd op een benchmark van 200 peer-reviewed papers uit top AI-conferenties (ICLR, ICML, NeurIPS). SlideGen werd vergeleken met diverse baselines, waaronder end-to-end generatoren (GPT-4o/5 HTML/Image) en multi-agent workflows (PPTAgent, PosterAgent).

Prestaties: SlideGen presteerde consistent beter dan alle baselines over alle vier de evaluatiedimensies. Het behaalde de hoogste SlideQA-scores (wat wijst op betere contentdekking en redenering), de beste VLM-als-Judge scores (ontwerp en coherentie), en de laagste perplexiteit (tekstuele vloeiendheid).
Lay-outkwaliteit: SlideGen behaalde de beste GAD-scores, wat een superieure balans tussen bezette en lege ruimte aantoont vergeleken met baselines die vaak ofwel schrale ofwel overvolle lay-outs produceerden.
Gebruikersstudie: In een studie met 30 deelnemers (inclus kind PhD-studenten en onderzoekers) gaf 93,3% de voorkeur aan de output van SlideGen boven concurrerende baselines. 73,3% beoordeelde de kwaliteit als "beter dan de meeste door mensen gemaakte slides", en 6,7% beoordeelde het als "top-tier expert kwaliteit".
Ablatie: Het verwijderen van de Outliner veroorzaakte de grootste daling in contentdekking en taal-kwaliteit, terwijl het verwijderen van de Arranger de meest significante degradatie in lay-outdensiteit veroorzaakte, wat de noodzaak van het gefaseerde, gespecialiseerde agent-ontwerp bevestigt.

Betekenis

Het artikel betoogt dat effectieve slidegeneratie multimodale design-redenering vereist in plaats van enkel tekstsamenvatting. Door de taak te deconstrueren in collaboratieve agents, overbrugt SlideGen de kloof tussen documentbegrip en wetenschappelijke communicatie. Het werk demonstreert dat expliciete lay-outredenering en multimodale gronding cruciaal zijn voor het produceren van presentaties die zowel getrouw zijn aan het bronmateriaal als effectief voor menselijke doelgroepen. De voorgestelde GAD-metriek biedt een principiële manier om visuele organisatie te evalueren, waarmee een gat in het huidige onderzoek naar geautomatiseerde slidegeneratie wordt opgevuld.