AutoFigureEdit: הפקה חכמה של איורים מדעיים הניתנים להתאמה אישית
הפכו פרקי מתודולוגיה ממאמרים אקדמיים לדיאגרמות SVG הניתנות לעריכה מלאה — איורים מדעיים מוכנים לפרסום הניתנים להתאמה אישית אלמנט-אחר-אלמנט.
מופעל על ידי ייצור טיוטות LLM, זיהוי רכיבי SAM3 והמרה וקטורית אוטומטית. הוצג ב-ICLR 2026.
בדקו את AutoFigureEdit כאן ועכשיו
חוו ישירות כאן את יכולות היצירה החכמה של AutoFigureEdit. פשוט הדביקו את הטקסט המתודולוגי שלכם, ואם תרצו העלו גם תמונת ייחוס לשמירה על עקביות סגנונית. AutoFigureEdit יפיק איורי SVG ניתנים לעריכה העומדים בתקני הפרסום האקדמי.
טיפ: טקסט מתודולוגי תמציתי ומובנה מייצר תבניות נקיות יותר
טיפ: העלו איור ממאמר שאתם אוהבים כדי להעביר את הסגנון הויזואלי שלו
لم يتم إنشاء صور
ביצועי FigureBench
אומת על FigureBench — מדד ההשוואה הראשון בקנה מידה גדול ליצירת איורים מדעיים עם 3,300 דגימות ממאמרים, בלוגים, סקירות וספרי לימוד.
3,300 דגימות מדד
דגימות מדד
1.7k GitHub Stars
GitHub Stars
ICLR 2026 פורסם ב-
פורסם ב-
MIT רישיון קוד פתוח
רישיון קוד פתוח
תוצאות AutoFigureEdit בפעולה
להלן מבחר איורים שהופקו על ידי AutoFigureEdit בתחומים מדעיים מגוונים, המעידים על יכולתו להתמודד עם רמות מורכבות שונות.
מקרה מאמר
Auto Figure מייצר דיאגרמות מתודולוגיות באיכות פרסום ישירות מטקסט מאמרי מחקר. ארכיטקטורות מודלים מורכבות, צינורות רב-שלביים ומסגרות מקודד-מפענח מרונדרים כאיורי SVG הניתנים לעריכה מלאה עם צורות, מחברים ותוויות מדויקים.
מקרה סקירה
עבור מאמרי סקירה, Auto Figure יוצר דיאגרמות סקירה מקיפות הלוכדות טקסונומיה, יחסים והשוואות בין שיטות מרובות. האיורים שנוצרו עוזרים לקוראים לתפוס במהירות את נוף תחום המחקר עם היררכיה ויזואלית ברורה ועיצוב עקבי.
מקרה בלוג
Auto Figure מטפל גם בכתיבה טכנית לא פורמלית. מפוסטים בבלוג המסבירים מושגי למידת מכונה ועד מדריכים טכניים, הוא מייצר דיאגרמות ברורות ומושכות ויזואלית שהופכות רעיונות מורכבים לנגישים לקהל רחב יותר.
מקרה ספר לימוד
עבור תוכן חינוכי, Auto Figure מייצר איורים באיכות ספרי לימוד המעבירים בבהירות מושגים בסיסיים. בין אם מדובר בארכיטקטורת רשת עצבית, דיאגרמת זרימת נתונים או תהליך ביולוגי, האיורים שנוצרו מתאימים לשקופיות הרצאה, חומרי קורס ופרקי ספרי לימוד.
צוואר הבקבוק ש-AutoFigureEdit פותר
למרות התקדמות הבינה המלאכותית בכתיבת קוד וגזירת נוסחאות, יצירת איורים ברמת פרסום נותרה אזור אסון של עבודה ידנית.
עבודה ידנית גוזלת זמן
התאמה ידנית של פריסה, יישור וערכות צבעים יכולה לצרוך שעות ואף ימים מזמנו היקר של החוקר.
סיכוני הזיה
מודלי יצירה כלליים (למשל, DALL-E) מייצרים לעיתים קרובות שגיאות בטופולוגיה לוגית ובדיוק נתונים — הזיות מספריות.
פער אסתטי
מעצבים שאינם מקצועיים מתקשים לעמוד בדרישות האסתטיות הוויזואליות של כנסים מובילים כגון NeurIPS, ICML ו-ICLR.
החידושים המרכזיים של Auto Figure
AutoFigureEdit-Edit מציג מספר חידושים פורצי דרך ביצירת איורים מדעיים אוטומטית, פורסם ב-ICLR 2026.
ארכיטקטורת המערכת: צינור 5 שלבים
Auto Figure הופך טקסט מדעי לאיורי SVG ניתנים לעריכה דרך צינור בן 5 שלבים.
Stage 1: Raster Generation
A vision-language model (Gemini 3.1 Flash) reads your method text and optional reference image, then generates an initial raster draft (figure.png). The LLM understands scientific figure conventions and translates textual methodology into a visual composition.
Stage 2: SAM3 Segmentation
Segment Anything Model 3 (SAM3) detects and segments distinct components — icons, text regions, connectors, shapes — using structured prompts like 'icon, person, robot, animal'. Outputs bounding boxes with confidence scores and a segmentation map (samed.png).
Stage 3: SVG Templating
Using the original figure, segmentation mask, and box metadata as multimodal inputs, the LLM (Gemini 3.1 Pro) generates a placeholder-style SVG whose boxes align with labeled regions. RMBG-2.0 removes backgrounds from cropped icons to create transparent assets.
Stage 4: Final Assembly
The system aligns coordinate systems between the SVG template and original figure, then replaces placeholders with transparent icons extracted from segmentation. This produces the assembled SVG (final.svg) with all components as individually editable vector elements.
Stage 5: Iterative Refinement
An optional optimization stage performs iterative SVG refinement — path optimization, stroke recognition, and layout fine-tuning. Users can also refine the output in Auto Figure's built-in svg-edit canvas with drag-and-drop composition, completing the text-to-editable-SVG workflow.
תשובות לשאלותיכם
ריכזנו עבורכם את השאלות הנפוצות ביותר של משתמשים בנוגע ל-AutoFigureEdit עם תשובות מפורטות.
מטקסט המאמר לאיור מוכן לפרסום תוך דקות
המירו את תיאורי המתודולוגיה שלכם לתרשימים מדעיים SVG הניתנים לשינוי עם צינור AutoFigureEdit. לא נדרשות מיומנויות עיצוב.