当前位置: 首页
AI
谷歌“纳米香蕉”:顶会论文专用版超越Figure机器人演示

谷歌“纳米香蕉”:顶会论文专用版超越Figure机器人演示

热心网友 时间:2026-02-09
转载



免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈

编辑|SIA

你负责写方法,AI负责画 Figure。 科研打工人,终于等来「画图解放日」。

还在为论文里的方法框图熬夜画 PPT、拉箭头、对齐字体吗?

一张 Figure 2,动辄几个小时,严重的甚至能耗上几天,科研人的「隐藏副本」不是实验,而是画图。

既要忠于论文原意,又得暗暗符合顶会那套心照不宣的「学术审美」:颜色不能土,布局不能乱,箭头更不能连错。

看起来只是一张图,实际上是美学、逻辑和耐心的三重折磨。

那么,问题来了:现在的大模型已经能写论文、跑实验、改代码,为什么偏偏搞不定这些学术插图?有人可能会问:DALL·E、基础 VLM 不行吗?

答案是:真不行。

它们画出来的图往往是:模块和文字对不上、字体直接乱码、箭头逻辑错误。图是「好看」,但不中用啊。

于是,一个狠角色出现了:PaperBanana

来自北大 + Google Cloud AI Research 的团队,目标很简单也很狂:你写方法,AI 画 Figure,水准呢?直接投顶会的那种。

科研打工人,终于等到了「画图解放日」。









来看效果成色。

PaperBanana 展示了解决两类学术插图的能力:

第一类,是论文方法流程图与模型结构示意图,用来说明算法如何运作(左);第二类,是统计图表,用来表达实验结果与数据对比(右边)。



左边是方法框图(Methodology Diagrams),右边是统计图(Statistical Plots)

与以往「只会画图像」的生成模型不同,PaperBanana 强调两点:不是只要「画得好看」,而是必须「画得正确」。

它要保证:模块之间的逻辑关系不出错、数据表达符合科研规范、图可以直接服务论文叙事,而不是装饰。

研究指出,PaperBanana 可以覆盖多种常见学术插图类型,包括方法流程图、模型结构示意图、概念性框架图,以及通过代码驱动生成的高精度统计图。

PaperBanana 不仅能从零生成,还能润色你现有的丑图。

给它一张草图或初版框图,它负责自动美化、重排布局、统一风格,让它更像顶会论文里的标准图形

更直观的对比——

左侧是手工绘制的插图,右侧是 PaperBanana 风格增强(Style Enhanced)后的版本。



这些示例覆盖了多个典型科研场景,包括 Transformer 与不同 LayerNorm 变体的对比示意、工程流程与三维建模管线的系统框架,以及强化学习和表示学习中抽象几何关系的表达。它们的共同特点在于逻辑复杂、元素密集,对人工排版提出了极高要求,也正是科研人员最容易在“画图”上消耗大量时间与精力的部分。

语义结构上一致,但视觉呈现,完全不同。

原始图信息完整,却给人一种「能看懂,但不好看」的感觉:布局略显松散,配色偏向单一,不同模块之间的层级关系也不够清晰。

PaperBanana 润色增后,图中的逻辑被重新梳理进一套更规范的视觉体系之中。

不同功能模块通过颜色进行区分,虚线和分区框用来强化层次结构,箭头的走向也更加明确,整体观感明显更接近顶会论文中常见的标准范式。

再看下面的图例,同一张图对比,高低立判。

人类画的图,对,但不一定好看。

未经调教的原始模型生成(Nano-Banana-Pro),画出来但难读。

PaperBanana 真正做到了「画清楚、讲明白」,也更符合顶会审美的论文级插图:配色更现代统一,信息更精炼,模块分区更清晰。



那么,它是如何做到这一点的?

PaperBanana「画论文图」变成了一条由多智能体协作完成的流水线。

系统先检索参考范例,再规划结构化描述,并在审美规范约束下生成初稿;

随后由视觉代理将文本描述转化为图像或代码绘图,评论代理不断对照原始论文内容进行纠错与打磨。

经过多轮迭代后,输出的不再是普通示意图,而是一张同时满足语义正确性与顶会审美标准的论文级插图。

这不是简单的作图自动化,而是一种「科研表达方式」的自动规范化。



研究人员还顺带对比了两种路线:直接让模型「画图」VS 让模型「写代码画图」。

结论很扎心:AI 直接画出来的图虽然精美,但经常在数字上胡说八道。

目前最靠谱的方式还是:AI 写绘图代码(基于 Gemini-3-Pro),再生成统计图。



这只是开始。类似工具已经开始出现,比如:Claude Scientific Writer,集成论文写作 + 插图 + 图表生成。

未来科研可能变成这样:你不用再在 PPT 里对齐箭头、调颜色、拖文本框到凌晨三点,而是把更多时间留给真正重要的事情。

https://dwzhu-pku.github.io/PaperBanana/

https://github.com/K-Dense-AI/claude-scientific-writer

来源:https://www.163.com/dy/article/KL0RTIRT0511AQHO.html

游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。

同类文章
更多
内存价格崩盘:抓住时机升级你的电脑

内存价格崩盘:抓住时机升级你的电脑

2026 03 30

时间:2026-03-31 11:07
揭秘AI工具如何深度渗透音乐制作:行业内的私密实践指南

揭秘AI工具如何深度渗透音乐制作:行业内的私密实践指南

IT之家 3 月 31 日消息,据《滚石》杂志的深度调查显示,AI 生成工具正迅速渗透专业音乐制作领域,但整个行业却对此讳莫如深。今年早些时候,Suno 首席执行官米奇 · 舒尔曼接受《卫报》采访时

时间:2026-03-31 11:01
2026中国科幻大会前瞻:亮点、场地与参展全攻略

2026中国科幻大会前瞻:亮点、场地与参展全攻略

来源:新华网 3月27日,2026中国科幻大会在北京首钢国际会展中心举行。 当日,2026中国科幻大会开幕式在北京首钢国际会展中心举行。同期举办北京国际科幻与未来产业博览会和2026北京科幻嘉年华等

时间:2026-03-31 10:55
AI工具全面优化投放链路,告别零活低效

AI工具全面优化投放链路,告别零活低效

克雷西 发自 凹非寺量子位 | 公众号 QbitAIAI进入营销行业,已经是定局。艾瑞咨询报告显示,去年中国AI营销市场规模达669亿元,年复合增长率26 2%这个增速背后,是整个行业链条——从内容

时间:2026-03-31 10:49
越南机器人2025营收49.2亿增31.6% 研发加码赋能智能升级

越南机器人2025营收49.2亿增31.6% 研发加码赋能智能升级

从产品结构来看,四轴协作机器人收入达9295万元,占比18 9%;复合机器人收入6761万元,占比13 7%;具身智能业务收入2004万元,占比4 1%。公司表示,具身智能领域虽目前收入占比不高,但

时间:2026-03-31 10:37
热门专题
更多
刀塔传奇破解版无限钻石下载大全 刀塔传奇破解版无限钻石下载大全
洛克王国正式正版手游下载安装大全 洛克王国正式正版手游下载安装大全
思美人手游下载专区 思美人手游下载专区
好玩的阿拉德之怒游戏下载合集 好玩的阿拉德之怒游戏下载合集
不思议迷宫手游下载合集 不思议迷宫手游下载合集
百宝袋汉化组游戏最新合集 百宝袋汉化组游戏最新合集
jsk游戏合集30款游戏大全 jsk游戏合集30款游戏大全
宾果消消消原版下载大全 宾果消消消原版下载大全
  • 日榜
  • 周榜
  • 月榜
热门教程
更多
  • 游戏攻略
  • 安卓教程
  • 苹果教程
  • 电脑教程