From Transient Prompts to Persistent Control: Scientific Poster Generation via Recursive Semantic-Geometric Contracts

📄 arXiv: 2609.17326v1 📥 PDF

作者: Runze Li, Yukun Zhao, Can Xu, Yucheng Shen, Shuaiqiang Wang, Jianmin Wu, Lingyong Yan, Dawei Yin

分类: cs.AI

发布日期: 2026-09-15

备注: 7 pages, 3 figures, 5 tables

💡 一句话要点

提出PosterVisor框架以解决科学海报生成中的控制问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 科学海报生成 持久控制 语义几何合同 递归合同执行 多模态生成 信息覆盖 可读性 生成模型

📋 核心要点

  1. 现有科学海报生成方法依赖瞬态提示，导致内容与布局模块间的需求漂移，影响生成质量。
  2. 本文提出PosterVisor框架，通过语义几何合同实现海报生成的持久控制，确保各阶段间的一致性。
  3. 在Paper2Poster基准测试中，PosterVisor-PPT的海报基础问答准确率显著提高，且人类评审偏好度高于对比方法。

📝 摘要（中文）

科学海报生成将多模态论文浓缩为单页视觉作品，需在信息覆盖与可读性之间进行严格权衡。现有方法将计划作为瞬态提示，孤立验证各个阶段，导致内容与布局模块间的需求漂移。本文提出PosterVisor控制框架，将海报生成从瞬态提示转向持久控制。通过语义几何合同(SGC)将论文和视觉资产中的标准进行绑定，确保执行的声明与所需视觉、预算和空间承诺一致。递归合同执行(RCE)动态触发各阶段检查，防止修复引起的回归传播。实验结果表明，PosterVisor在100篇Paper2Poster基准测试中显著提高了海报基础问答准确率，并在72.5%的对比中被人类评审偏好。

🔬 方法详解

问题定义：本文旨在解决科学海报生成中的控制问题，现有方法因依赖瞬态提示而导致内容与布局模块间的需求漂移，影响生成的连贯性和质量。

核心思路：提出PosterVisor框架，通过语义几何合同(SGC)将论文内容与视觉资产进行绑定，实现海报生成的持久控制，确保各阶段间的一致性和可执行性。

技术框架：PosterVisor框架包括一个协调器(Orchestrator)，负责将标准与论文和视觉资产结合，生成SGC；递归合同执行(RCE)模块则动态触发各阶段的检查，确保生成过程中的一致性。

关键创新：最重要的创新在于将海报生成从瞬态提示转向持久控制，通过SGC确保声明与视觉、预算和空间承诺的一致性，避免了以往方法中的需求漂移问题。

关键设计：在技术细节上，SGC的构建依赖于对论文内容的深入分析，确保所有声明均为可执行的；RCE模块则通过动态检查机制，确保在修复过程中不会引入新的错误。实验中使用HTML/CSS和可编辑PPTX生成器进行实例化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在100篇Paper2Poster基准测试中，PosterVisor-PPT的海报基础问答准确率达到64.47%，相比于对比方法PosterGen的58.53%有显著提升。此外，在72.5%的非平局对比中，PosterVisor-PPT被人类评审偏好，显示出其在生成质量上的优势。

🎯 应用场景

该研究的潜在应用领域包括学术会议、教育培训及科学传播等，能够帮助研究人员和学生高效生成高质量的科学海报，提升信息传达的有效性。未来，该框架还可扩展至其他多模态内容生成任务，具有广泛的实际价值和影响力。

📄 摘要（原文）

Scientific poster generation distills a multimodal paper into a single-page visual artifact, forcing strict trade-offs between informational coverage and readability under a fixed spatial budget. Existing methods pass plans as transient prompts and validate individual stages in isolation. This strategy causes requirements to drift across content and layout modules, and previous checks to be silently invalidated. We introduce PosterVisor, a control framework that shifts poster generation from transient prompts to persistent control. An Orchestrator grounds rubrics in the paper and visual assets, compiling them into a Semantic-Geometric Contract (SGC) that binds claims and sources to required visuals, budgets, and spatial commitments. Only fully instantiated records become executable assertions; other usable requirements remain soft guidance. Recursive Contract Enforcement (RCE) dynamically triggers checks across stages as evidence emerges. Crucially, during repairs, RCE rechecks affected checkpoint states, preventing repair-induced regressions from propagating silently. We instantiate PosterVisor in HTML/CSS and editable PPTX generators. On the 100-paper Paper2Poster benchmark, PosterVisor-PPT improves observed mean poster-grounded QA accuracy over PosterGen (64.47% vs. 58.53%) and is preferred by human judges in 72.5% of non-tied pairwise comparisons (95% CI, 61.6-83.4%). A secondary 30-paper study also yields higher VLM Overall and PaperQuiz means. These results support rubric-compiled contracts and stage-conditioned enforcement for controllable poster synthesis.