InfoVis: Unified Slide Image Generation and Editing
Pubblicata su AIChronos il · fonte del · Jiahao Wang, Xiyan Jiang, Chenyuan Wu, Haoqiang Zhang, Xin Luo, Yueze Wang (Beijing Academy of Artificial Intelligence)
InfoVis è un modello unificato da 9B parametrico progettato per la generazione e l'editing di slide presentazionali che integra rendering testuale accurato, grounding visivo e design estetico. Gli autori hanno costruito un motore dati scalabile con oltre 13 milioni di record di continual pre-training e 1.9M di supervised fine-tuning, introducendo anche VisSlideBench come benchmark per valutare queste capacità specifiche. Il modello supera tutti i modelli open-source esistenti su undici metriche nel nuovo benchmark, ottenendo punteggi competitivi rispetto ai modelli proprietari specialmente nella fedeltà del contenuto.
- InfoVis unisce quattro task centrici sulle slide: rendering testuale, instruction following, grounding visivo e editing preciso in un unico canvas.
- Il dataset di training include oltre 13M di record per il continual pre-training e 1.9M di record specifici per supervised fine-tuning.
- VisSlideBench è composto da 1,527 istanze manualmente selezionate che coprono tutti i task con valutazioni multidimensionali specifiche.
- L'aggiunta del post-training specifico per le slide a FLUX.2-klein-base-9B aumenta il punteggio complessivo di 1.6 punti.
- Il workflow document-to-slide basato su InfoVis ottiene il secondo punteggio più alto in Aesthetics sul benchmark esterno SlidesGen-Bench.
Perché conta. È rilevante per gli sviluppatori che lavorano con LLM e agenti perché offre una soluzione open-source scalabile per la manipolazione visiva complessa, riducendo la dipendenza da modelli proprietari costosi.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.