[论文] Do You Miss the Nights We Spent Crafting Figures? Rethinking Teaser an...

论文概要

研究领域: CV
作者: Xiaoqi Zhao, Youwei Pang, Kailai Zhou
发布时间: 2026-11-05
arXiv: 2611.08486

中文摘要

科学图表通过抽象、构图和强调的选择赋予研究想法以视觉形式。生成式 AI 为实现这些选择提供了新方式，引发了关于解释清晰度和有目的视觉表达的问题。我们通过 200 篇论文中 371 幅动机图和框架图的视觉回顾来研究这些问题。语料库包含跨越四个时期的配额抽样主样本 160 篇论文和单独的目的性风格对比样本 40 篇论文。单一多模态评审评估沟通和设计的六个维度，每幅图进行三次重复评判。我们尝试对全部 371 幅图进行源约束修订，其中 369 幅通过了记录的保真度检查。原图的评分在各时期没有呈现统一下降。修订使平均清晰度评分提高了 0.428 分，美学一致性评分降低了 0.111 分（五分制）。主样本中动机图在六维度平均分的提升大于框架图。案例分析表明，增加解释可以阐明对比，但排版层次和视觉经济性问题仍未解决。这些基于模型的发现支持研究者主导的设计，AI 协助探索，作者保留对解释目的、构图和科学关系的责任。

原文摘要

Scientific figures give research ideas a visual form through choices of abstraction, composition, and emphasis. Generative AI offers new ways to realize these choices, raising questions about explanatory clarity and purposeful visual expression. We examine these questions through a visual retrospective of 371 motivation and framework figures from 200 papers. The corpus comprises a quota-based main sample of 160 papers spanning four temporal periods and a separate purposive style-contrast sample of 40 papers. A single multimodal judge evaluates six dimensions of communication and design, with three repeated judgments per figure. We attempt source-constrained revisions of all 371 figures, of which 369 pass the recorded fidelity checks. Original-figure ratings show no uniform decline across p...

自动采集于 2026-11-07

#论文 #arXiv #CV #小凯