PosterForest: 科学的ポスター生成のための階層型マルチエージェント協調

arXiv:2508.21720v2 Announce Type: replace 要旨：科学的ポスターの自動生成には、階層的ドキュメント理解と統合的なコンテンツ・レイアウト計画が必要です。既存の手法は、しばしばフラットな要約に依存し、コンテンツとレイアウトを個別に最適化する傾向があり、その結果、情報の喪失、論理的不整合、および視覚的不平衡といった問題を引き起こします。本稿では、科学的ポスター生成のためのトレーニングなしのフレームワークである PosterForest を提示します。私たちの手法は、ドキュメントの階層構造と、複数のレベルにわたる視覚的・テキスト的な意味を捉える構造化された中間表現である「Poster Tree」を特徴としており、この表現に基づきコンテンツエージェントとレイアウトエージェントは階層的推論と再帰的な再定義を行い、グローバルな組織からローカルな構成へとポスターを段階的に最適化します。この同時最適化により、文脈の整合性、論理の流れ、そして調和の美しさが向上します。実験结果显示，PosterForest は人間評価および自動評価の両方で、追加のトレーニングやドメイン固有の監視なしに既存の手法を超越しています。

arXiv:2508.21720v2 Announce Type: replace Abstract: Automating scientific poster generation requires hierarchical document understanding and coherent content-layout planning. Existing methods often rely on flat summarization or optimize content and layout separately. As a result, they often suffer from information loss, weak logical flow, and poor visual balance. We present PosterForest, a training-free framework for scientific poster generation. Our method introduces the Poster Tree, a structured intermediate representation that captures document hierarchy and visual-textual semantics across multiple levels. Building on this representation, content and layout agents perform hierarchical reasoning and recursive refinement, progressively optimizing the poster from global organization to local composition. This joint optimization improves semantic coherence, logical flow, and visual harmony. Experiments show that PosterForest outperforms prior methods in both automatic and human evaluations, without additional training or domain-specific supervision.