AutoFigure: Generer redigerbare videnskabelige illustrationer
Auto Figure omdanner metodetekst fra forskningsartikler til fuldt redigerbare SVG-videnskabelige illustrationer — publikationsklare akademiske figurer du frit kan ændre.
Ved at kombinere LLM-generering, SAM3-segmentering og vektorisering producerer Auto Figure metodediagrammer af høj kvalitet med stiloverførsel og indbygget SVG-editor.
Prøv AutoFigure nu
Oplev Auto Figures automatiske figurgenerering. Indsæt din metodetekst, upload eventuelt et referencebillede til stiloverførsel, og lad AutoFigure skabe redigerbare SVG-illustrationer i publikationskvalitet.
tip: kortfattet, struktureret metodetekst giver renere skabeloner
tip: upload en figur fra en artikel du kan lide for at overføre dens visuelle stil
Ingen billeder genereret
AutoFigure-galleri
Her er eksempler på figurer genereret af Auto Figure på tværs af forskellige domæner, der viser dens alsidighed i håndteringen af forskellige kompleksitetsniveauer.
Artikel-eksempel
Auto Figure genererer publikationsklare metodediagrammer direkte fra teksten i forskningsartikler. Komplekse modelarkitekturer, flertrinspipelines og encoder-decoder-frameworks gengives som fuldt redigerbare SVG-illustrationer.
Survey-eksempel
For oversigtsartikler skaber Auto Figure omfattende oversigtsdiagrammer, der fanger taksonomi, relationer og sammenligninger på tværs af flere metoder.
Blog-eksempel
Auto Figure håndterer også uformel teknisk skrivning. Fra blogindlæg til tekniske tutorials genererer det klare og visuelt tiltalende diagrammer.
Lærebog-eksempel
For uddannelsesindhold producerer Auto Figure illustrationer i lærebogskvalitet, der tydeligt formidler grundlæggende koncepter.
Ofte stillede spørgsmål
Almindelige spørgsmål om AutoFigure og hvordan det virker.
Begynd at skabe med AutoFigure
Omdan din tekst til redigerbare SVG videnskabelige illustrationer. Prøv Auto Figure generatoren ovenfor eller læs ICLR 2026 artiklen.
Auto Figures kerneinnnovationer
AutoFigure-Edit introducerer flere banebrydende innovationer inden for automatiseret generering af videnskabelige illustrationer, publiceret på ICLR 2026.
Systemarkitektur: 5-trins pipeline
Auto Figure omdanner videnskabelig tekst til redigerbare SVG-illustrationer gennem en 5-trins pipeline.
Stage 1: Raster Generation
A vision-language model (Gemini 3.1 Flash) reads your method text and optional reference image, then generates an initial raster draft (figure.png). The LLM understands scientific figure conventions and translates textual methodology into a visual composition.
Stage 2: SAM3 Segmentation
Segment Anything Model 3 (SAM3) detects and segments distinct components — icons, text regions, connectors, shapes — using structured prompts like 'icon, person, robot, animal'. Outputs bounding boxes with confidence scores and a segmentation map (samed.png).
Stage 3: SVG Templating
Using the original figure, segmentation mask, and box metadata as multimodal inputs, the LLM (Gemini 3.1 Pro) generates a placeholder-style SVG whose boxes align with labeled regions. RMBG-2.0 removes backgrounds from cropped icons to create transparent assets.
Stage 4: Final Assembly
The system aligns coordinate systems between the SVG template and original figure, then replaces placeholders with transparent icons extracted from segmentation. This produces the assembled SVG (final.svg) with all components as individually editable vector elements.
Stage 5: Iterative Refinement
An optional optimization stage performs iterative SVG refinement — path optimization, stroke recognition, and layout fine-tuning. Users can also refine the output in Auto Figure's built-in svg-edit canvas with drag-and-drop composition, completing the text-to-editable-SVG workflow.
Del AutoFigure