AutoFigure: Genereren en Verfijnen van Publicatieklare Wetenschappelijke Illustraties
AutoFigure: Generating and Refining Publication-Ready Scientific Illustrations
February 3, 2026
Auteurs: Minjun Zhu, Zhen Lin, Yixuan Weng, Panzhong Lu, Qiujie Xie, Yifan Wei, Sifan Liu, Qiyao Sun, Yue Zhang
cs.AI
Samenvatting
Hoogwaardige wetenschappelijke illustraties zijn cruciaal voor het effectief communiceren van complexe wetenschappelijke en technische concepten, maar hun handmatige creatie blijft een erkend knelpunt in zowel de academische wereld als de industrie. Wij presenteren FigureBench, de eerste grootschalige benchmark voor het genereren van wetenschappelijke illustraties op basis van langdurende wetenschappelijke teksten. Het bevat 3.300 hoogwaardige wetenschappelijke tekst-illustratie paren, die diverse tekst-naar-illustratie taken beslaan uit wetenschappelijke artikelen, overzichtsartikelen, blogs en leerboeken. Bovendien stellen wij AutoFigure voor, het eerste agent-gebaseerde framework dat automatisch hoogwaardige wetenschappelijke illustraties genereert op basis van langdurende wetenschappelijke tekst. Specifiek gaat AutoFigure, voordat het eindresultaat wordt weergegeven, uitgebreid aan de slag met denken, herschikking en validatie om een lay-out te produceren die zowel structureel solide als esthetisch verfijnd is, waardoor een wetenschappelijke illustratie ontstaat die zowel structurele volledigheid als esthetische aantrekkingskracht bereikt. Door gebruik te maken van de hoogwaardige data van FigureBench, voeren wij uitgebreide experimenten uit om de prestaties van AutoFigure te testen tegenover verschillende baseline-methoden. De resultaten tonen aan dat AutoFigure consistent alle baseline-methoden overtreft en publicatieklare wetenschappelijke illustraties produceert. De code, dataset en huggingface space zijn vrijgegeven op https://github.com/ResearAI/AutoFigure.
English
High-quality scientific illustrations are crucial for effectively communicating complex scientific and technical concepts, yet their manual creation remains a well-recognized bottleneck in both academia and industry. We present FigureBench, the first large-scale benchmark for generating scientific illustrations from long-form scientific texts. It contains 3,300 high-quality scientific text-figure pairs, covering diverse text-to-illustration tasks from scientific papers, surveys, blogs, and textbooks. Moreover, we propose AutoFigure, the first agentic framework that automatically generates high-quality scientific illustrations based on long-form scientific text. Specifically, before rendering the final result, AutoFigure engages in extensive thinking, recombination, and validation to produce a layout that is both structurally sound and aesthetically refined, outputting a scientific illustration that achieves both structural completeness and aesthetic appeal. Leveraging the high-quality data from FigureBench, we conduct extensive experiments to test the performance of AutoFigure against various baseline methods. The results demonstrate that AutoFigure consistently surpasses all baseline methods, producing publication-ready scientific illustrations. The code, dataset and huggingface space are released in https://github.com/ResearAI/AutoFigure.