arXiv · 机器人与计算机视觉· Haonan Han, Yukang Lin, Minliang Lin, Haoxian Tan, Jun-Yan He, Rui Yang, Zhi-Qi Cheng, Jie Hu, Guanglu Wan, Xiu Li·· 2026-10-19AI 评分48
RAP:通过声明式标记实现从论文到海报生成的数据集与基准
RAP: A Dataset for Paper-to-Poster Generation via Declarative Markup from Human-Crafted Exemplars
AI 导读
RAP 是一个包含 2.5 万对已验证论文 - 海报的数据集及基准,涵盖 2022 至 2026 年会议作品并附带 150 篇测试集。该资源提供三层内容分类法及可渲染的 HTML/CSS 声明式标记,支持无需训练的多智能体检索填充与监督微调两种范式。在线演示已开放,旨在解决视觉编码任务中缺乏客观评估标准的问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org