论文页面 - InfoVis：统一的幻灯片图像生成与编辑

来源：https://huggingface.co/papers/2610.16784

摘要

InfoVis 是一个用于幻灯片生成与编辑的统一 9B 模型，基于数百万原生记录训练，并在新的多维基准测试中进行了评估，在文本渲染、指令跟随、视觉定位、设计和编辑等方面取得了领先的开源性能。

生成和编辑演示幻灯片需要模型在同一画布上结合准确的文本渲染、指令跟随、视觉定位、美学设计和精确编辑等能力。现有工作仅覆盖了其中部分能力，缺乏大规模的幻灯片原生监督数据和诊断性评估。我们构建了四个以幻灯片为核心的任务，并搭建了一个可扩展的数据引擎，包含超过 1300 万条持续预训练记录和 190 万条监督微调（https://huggingface.co/papers?q=supervised%20fine-tuning）记录。我们还提出了 VisSlideBench（https://huggingface.co/papers?q=VisSlideBench），一个包含 1,527 个经人工筛选样本的基准测试，涵盖全部四个任务，并提供任务特定的多维评估。其自动排名结果与盲评的逐维度人工排名一致。利用这些资源，我们训练了 InfoVis（https://huggingface.co/papers?q=InfoVis），一个统一的 9B 幻灯片生成（https://huggingface.co/papers?q=slide%20generation）与编辑模型。在 VisSlideBench（https://huggingface.co/papers?q=VisSlideBench）上，InfoVis（https://huggingface.co/papers?q=InfoVis）在全部十一项指标上均领先于所有被评估的开源模型，综合得分 7.94，而 Nano-Banana-2 得分为 7.99。从 FLUX.2-klein-base-9B（https://huggingface.co/papers?q=FLUX.2-klein-base-9B）出发，幻灯片特定的后训练带来了 1.6 分的综合提升，其中生成方面最大的提升来自内容忠实度（https://huggingface.co/papers?q=content%20faithfulness）；与专有模型的剩余差距在内容忠实度（https://huggingface.co/papers?q=content%20faithfulness）方面最小，在美学质量（https://huggingface.co/papers?q=aesthetic%20quality）方面最大。基于 InfoVis（https://huggingface.co/papers?q=InfoVis）构建的文档转幻灯片工作流，在外部基准 SlidesGen-Bench（https://huggingface.co/papers?q=SlidesGen-Bench）上取得了第二高的美学评分。我们将发布模型、代码、数据和基准测试。

查看 arXiv 页面 (https://arxiv.org/abs/2610.16784) 查看 PDF (https://arxiv.org/pdf/2610.16784) 项目页面 (https://vectorspacelab.github.io/InfoVis/) GitHub2 (https://github.com/VectorSpaceLab/InfoVis) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.16784)

在你的代理中获取此论文：

hf papers read 2610\.16784

没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 1

InfoVis/InfoVis Text-to-Image • 9B • 更新于 1 天前 • 26 • 5 (https://huggingface.co/InfoVis/InfoVis)

引用此论文的数据集 2

InfoVis/Data Viewer • 更新于 2 天前 • 9.9M • 956 • 2 (https://huggingface.co/datasets/InfoVis/Data)

InfoVis/VisSlideBench Viewer • 更新于 2 天前 • 1.53k • 47 • 2 (https://huggingface.co/datasets/InfoVis/VisSlideBench)

引用此论文的 Spaces 2

包含此论文的合集 2