AutoFigure: יצירת איורים מדעיים ניתנים לעריכה
Auto Figure הופך טקסט מתודולוגי ממאמרי מחקר לאיורים מדעיים SVG הניתנים לעריכה מלאה — דמויות אקדמיות מוכנות לפרסום שתוכלו לשנות בחופשיות.
על ידי שילוב יצירת LLM, סגמנטציית SAM3 ווקטוריזציה, Auto Figure מייצר דיאגרמות מתודולוגיות באיכות גבוהה עם העברת סגנון ועורך SVG מובנה.
נסו את AutoFigure עכשיו
חוו את יצירת האיורים האוטומטית של Auto Figure. הדביקו את טקסט המתודולוגיה שלכם, העלו תמונת ייחוס אופציונלית להעברת סגנון, ו-AutoFigure ייצור איורי SVG ניתנים לעריכה באיכות פרסום.
טיפ: טקסט מתודולוגי תמציתי ומובנה מייצר תבניות נקיות יותר
טיפ: העלו איור ממאמר שאתם אוהבים כדי להעביר את הסגנון הויזואלי שלו
لم يتم إنشاء صور
גלריית AutoFigure
להלן דוגמאות לאיורים שנוצרו על ידי Auto Figure בתחומים שונים, המדגימות את הגמישות שלו בהתמודדות עם רמות מורכבות שונות.
מקרה מאמר
Auto Figure מייצר דיאגרמות מתודולוגיות באיכות פרסום ישירות מטקסט מאמרי מחקר. ארכיטקטורות מודלים מורכבות, צינורות רב-שלביים ומסגרות מקודד-מפענח מרונדרים כאיורי SVG הניתנים לעריכה מלאה עם צורות, מחברים ותוויות מדויקים.
מקרה סקירה
עבור מאמרי סקירה, Auto Figure יוצר דיאגרמות סקירה מקיפות הלוכדות טקסונומיה, יחסים והשוואות בין שיטות מרובות. האיורים שנוצרו עוזרים לקוראים לתפוס במהירות את נוף תחום המחקר עם היררכיה ויזואלית ברורה ועיצוב עקבי.
מקרה בלוג
Auto Figure מטפל גם בכתיבה טכנית לא פורמלית. מפוסטים בבלוג המסבירים מושגי למידת מכונה ועד מדריכים טכניים, הוא מייצר דיאגרמות ברורות ומושכות ויזואלית שהופכות רעיונות מורכבים לנגישים לקהל רחב יותר.
מקרה ספר לימוד
עבור תוכן חינוכי, Auto Figure מייצר איורים באיכות ספרי לימוד המעבירים בבהירות מושגים בסיסיים. בין אם מדובר בארכיטקטורת רשת עצבית, דיאגרמת זרימת נתונים או תהליך ביולוגי, האיורים שנוצרו מתאימים לשקופיות הרצאה, חומרי קורס ופרקי ספרי לימוד.
שאלות נפוצות
שאלות נפוצות על AutoFigure ואופן פעולתו.
התחילו ליצור עם AutoFigure
הפכו טקסט מאמר לאיורי SVG מדעיים ניתנים לעריכה. נסו את מחולל Auto Figure למעלה, או קראו את מאמר ICLR 2026 למידע נוסף.
החידושים המרכזיים של Auto Figure
AutoFigure-Edit מציג מספר חידושים פורצי דרך ביצירת איורים מדעיים אוטומטית, פורסם ב-ICLR 2026.
ארכיטקטורת המערכת: צינור 5 שלבים
Auto Figure הופך טקסט מדעי לאיורי SVG ניתנים לעריכה דרך צינור בן 5 שלבים.
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.
שתפו את AutoFigure