西湖大学ICLR‘26：万字材料秒出SVG，绘图神器革新学术插图

AutoFigure团队 投稿
量子位 | 公众号 QbitAI

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 👈

你是否也经历过这样的绝望：

论文截稿在即，面对大段的文字你抓耳挠腮，PPT画框画到手抽筋；

尝试用Nano banana生个图，颜值拉满但逻辑全错，甚至还自带“克苏鲁”风格的模糊字符；

^好不容易调好了Prompt，结果想改一个小图标，却发现AI给你的只是一张无从下手的“死图”。

这种“审美与逻辑不可兼得、生成与编辑彻底断层”的痛点，终于要被终结了。

现在，你可以把大段的文字材料直接塞给AutoFigure，西湖大学团队推出的全新智能体绘图框架。

它能够一键读懂上万字的论文、书籍、博客，自动化地吐出高质量的学术插图为你所用。

更重磅的是，其优化版本AutoFigure-Edit实现了从“像素”到“矢量”的跨越：生成的插图不再是死板的图片png，而是细节可编辑的SVG文件（现在你可以在PPT里直接编辑了）。

目前，该工作已入选ICLR 2026。代码、数据集、Web交互界面全部开源，并同步上线了可一键使用的在线 。

背景：为什么AI以前画不好科学插图？

在学术绘图界，一直存在两个极端：

1. End-to-end派（如GPT-Image）：审美在线，但逻辑经常“蹦迪”，文字更是重灾区，充满了莫名其妙的幻觉字符。

2. Text-to-code派（如TikZ/SVG生成）：逻辑倒是严密，但视觉效果往往丑得像上个世纪的教科书，缺乏现代论文的高级感。

AutoFigure提出了“推理式渲染”（Reasoned Rendering）范式：将“脑子（逻辑布局）”和“手（美化渲染）”彻底分开。

技术方案：模拟大牛设计师的“三步走”策略

AutoFigure的核心是一个分工明确的多智能体协作系统。

△AutoFigure架构图（由AutoFigure生成，未经修改）

第一步：Conceptual Grounding（构建逻辑骨架）

AI读入你长达万词的文字材料，自动提取实体和关系，生成一个粗糙但结构正确的布局（SVG/HTML代码）

第二步：Critique-and-Refine（Agent闭环迭代）

模拟人类设计师与甲方的反复拉锯，对图片布局进行反复修改：

AI Designer负责根据反馈修改布局。AI Critic则负责挑毛病（例如“这里箭头重叠了”、“布局重心不稳”），直到得到满意的绘图质量。

第三步：Aesthetic Rendering & “Erase-and-Correct”

在最终美化阶段，AutoFigure首先将布局渲染为一张精美的图片。随后，为了解决现在AIGC生图文字变形的问题，保证图片中文字的正确性，AutoFigure引入了专门的“擦除-修正”策略：用OCR识别模糊字符，把它们“抠掉”，再重新覆盖上清晰的矢量文本。

AutoFigure-Edit：把AI生成图装进PPT

△AutoFigure-Edit流程图（由AutoFigure-Edit生成）

在最新版本AutoFigure-Edit中，西湖大学团队更进一步，引入了SAM3自动抠图技术，包括：

利用Meta最新的SAM3技术识别图中的Icon。配合RMBG-2.0自动去除背景。矢量重组：将这些干净的图标重新塞进生成的SVG模板中。

最终，你得到的是一个可以在浏览器内置编辑器里直接拖拽、改字、换色的动态画布，能够按照你的想法对图片细节进行更改。

△基于AutoFigure-Edit的在线画布

△AutoFigure-Edit渲染过程示例图

人类实验结果：66.7%的专家觉得它达到了Camera-ready标准！

为了验证AutoFigure的效果，团队构建了全球首个大规模科学插图基准——FigureBench。

规模宏大：涵盖3,300高质量文本-图片对，跨越论文、综述、技术博客、教科书等四种科学文本。

△FigureBench数据集介绍

降维打击：在逻辑清晰度和准确度上，AutoFigure的优势极大，在教科书类任务中胜率甚至高达97.5%。

△在FigureBench上的实验结果

更具说服力的是人类专家盲测：10位论文一作对生成的图片进行评审，结果显示66.7%的专家认为AutoFigure生成的图已经达到了Camera-ready（出版级）标准。

△人类专家评价结果

接下来，我们看几个case，直观感受一下。

由AutoFigure-Edit产生的方法图：

由AutoFigure-Edit产生的方法图：

由AutoFigure-Edit产生的方法图：

方法图，左侧为第一阶段PNG形式，右侧为最终转换得到的SVG文件：

方法图，左侧为第一阶段PNG形式，右侧为最终转换得到的SVG文件：

由AutoFigure-Edit产生的生物机制图：

由AutoFigure-Edit产生的材料机制图：

由AutoFigure产生的综述图：

由AutoFigure产生的教科书图：

项目价值：AI Scientist的“最后一块拼图”

插图不仅是视觉补充，更是复杂科学概念的桥梁。AutoFigure的出现，意味着：

1. 赋能AI科学家：这是AI实现全流程自主研究（从文本到绘图）的关键一步。

2. 不只是架构图：无论是流程图、算法流程，还是复杂的教科书示意图，它都能手到擒来。

本项目提供了可一键使用的在线 。建议各位研究者先收藏，下次ddl前，起码画图应该不会那么仓促了。

GitHub：

https://github.com/ResearAI/AutoFigure-Edit
论文：

https://arxiv.org/abs/2602.03828v1
HuggingFace：

https://huggingface.co/datasets/WestlakeNLP/FigureBench
：

https://deepscientist.cc
彩蛋：

所有学者均可免费体验demo，有期刊投稿需求的朋友不用担心，Nature风格、Science风格等多样风格一键生成功能也将很快上线。

想要体验这款“绘图神器”吗？点击上方链接即可开始你的创作！

本项目由西湖大学张岳实验室全面开源。西湖大学自然语言处理实验室（WestlakeNLP）成立于2018年9月，由张岳教授领导。张岳教授毕业于牛津大学，获博士学位，现任西湖大学工程学院副院长。他著有剑桥大学出版社出版的《自然语言处理》一书，并担任过EMNLP 2024等多个顶级NLP会议的程序委员会主席。

本项目核心团队成员包括翁诣轩*、林圳、朱敏郡、谢秋婕、卢攀忠、孙启耀等人。实验室过往成果包括Cycle Researcher、DeepReview、DeepScientist（两个月刷新三个前沿任务SoTA的人工智能科学家项目）等工作。欢迎感兴趣的同学加入到自动化科学发现研究，有意向申请长期实习、博士生、研究助理者可联系张岳教授邮箱（zhangyue@westlake.edu.cn）。