PosterGen: Generación de Pósters con Conciencia Estética de Artículos Científicos mediante Modelos de Lenguaje Multiagente

PosterGen: Aesthetic-Aware Paper-to-Poster Generation via Multi-Agent LLMs

August 24, 2025

Autores: Zhilin Zhang, Xiang Zhang, Jiaqi Wei, Yiwei Xu, Chenyu You

cs.AI

Resumen

Los sistemas multiagente basados en grandes modelos de lenguaje (LLMs, por sus siglas en inglés) han demostrado capacidades notables para abordar tareas complejas y composicionales. En este trabajo, aplicamos este paradigma al problema de generación de pósteres a partir de artículos, un proceso práctico pero que consume mucho tiempo y que enfrentan los investigadores al prepararse para conferencias. Si bien enfoques recientes han intentado automatizar esta tarea, la mayoría descuidan principios fundamentales de diseño y estética, lo que resulta en pósteres que requieren un refinamiento manual sustancial. Para abordar estas limitaciones de diseño, proponemos PosterGen, un marco multiagente que imita el flujo de trabajo de diseñadores profesionales de pósteres. Este consta de cuatro agentes especializados que colaboran: (1) los agentes Parser y Curator extraen contenido del artículo y organizan el guion gráfico; (2) el agente Layout mapea el contenido en una disposición espacial coherente; (3) los agentes Stylist aplican elementos de diseño visual como color y tipografía; y (4) el Renderer compone el póster final. Juntos, estos agentes producen pósteres que son tanto semánticamente sólidos como visualmente atractivos. Para evaluar la calidad del diseño, introducimos una rúbrica basada en un modelo de visión y lenguaje (VLM, por sus siglas en inglés) que mide el equilibrio del diseño, la legibilidad y la coherencia estética. Los resultados experimentales muestran que PosterGen iguala consistentemente en fidelidad de contenido y supera significativamente a los métodos existentes en diseño visual, generando pósteres listos para presentación con refinamientos humanos mínimos.

English

Multi-agent systems built upon large language models (LLMs) have demonstrated remarkable capabilities in tackling complex compositional tasks. In this work, we apply this paradigm to the paper-to-poster generation problem, a practical yet time-consuming process faced by researchers preparing for conferences. While recent approaches have attempted to automate this task, most neglect core design and aesthetic principles, resulting in posters that require substantial manual refinement. To address these design limitations, we propose PosterGen, a multi-agent framework that mirrors the workflow of professional poster designers. It consists of four collaborative specialized agents: (1) Parser and Curator agents extract content from the paper and organize storyboard; (2) Layout agent maps the content into a coherent spatial layout; (3) Stylist agents apply visual design elements such as color and typography; and (4) Renderer composes the final poster. Together, these agents produce posters that are both semantically grounded and visually appealing. To evaluate design quality, we introduce a vision-language model (VLM)-based rubric that measures layout balance, readability, and aesthetic coherence. Experimental results show that PosterGen consistently matches in content fidelity, and significantly outperforms existing methods in visual designs, generating posters that are presentation-ready with minimal human refinements.