PosterGen: マルチエージェントLLMによる美的意識を考慮した論文からポスター生成

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

August 24, 2025

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

cs.AI

要旨

大規模言語モデル（LLM）を基盤としたマルチエージェントシステムは、複雑な構成タスクに取り組む際に顕著な能力を発揮することが実証されています。本研究では、このパラダイムを論文からポスター生成の問題に適用します。これは、学会の準備に取り組む研究者が直面する実用的でありながら時間のかかるプロセスです。最近のアプローチではこのタスクの自動化が試みられていますが、その多くはコアなデザインや美的原則を無視しており、手動での大幅な修正を必要とするポスターが生成されています。これらのデザイン上の制約に対処するため、我々はPosterGenを提案します。これは、プロのポスターデザイナーのワークフローを模倣したマルチエージェントフレームワークです。このフレームワークは、4つの協調的な専門エージェントで構成されています：（1）ParserおよびCuratorエージェントは論文からコンテンツを抽出し、ストーリーボードを整理します；（2）Layoutエージェントはコンテンツを一貫した空間レイアウトにマッピングします；（3）Stylistエージェントは色やタイポグラフィなどの視覚的デザイン要素を適用します；（4）Rendererは最終的なポスターを構成します。これらのエージェントが協力して、意味的に根拠があり視覚的に魅力的なポスターを生成します。デザイン品質を評価するために、我々はビジョン言語モデル（VLM）ベースのルーブリックを導入し、レイアウトのバランス、読みやすさ、美的整合性を測定します。実験結果は、PosterGenがコンテンツの忠実度において一貫して一致し、視覚デザインにおいて既存の手法を大幅に上回り、最小限の人間による修正でプレゼンテーション可能なポスターを生成することを示しています。

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.