99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

PPTAgent: 大模型驅(qū)動(dòng)的PPT自動(dòng)生成

中科院軟件所中文信息處理實(shí)驗(yàn)室 ? 來源:中科院軟件所中文信息處 ? 2025-01-21 10:24 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

論文題目

PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides

論文鏈接

https://arxiv.org/abs/2501.03936

項(xiàng)目倉(cāng)庫

https://github.com/icip-cas/PPTAgent

演示視頻

在數(shù)字化時(shí)代,演示文稿(PPT)作為信息傳遞的重要媒介,其自動(dòng)化生成需求愈發(fā)迫切。然而,一份優(yōu)秀的演示文稿不僅需要引人入勝的故事線,還需要抓人眼球的視覺效果和內(nèi)容的有效組織,這對(duì)創(chuàng)作者提出了極高的要求。針對(duì)這一挑戰(zhàn),中國(guó)科學(xué)院軟件研究所中文信息處理實(shí)驗(yàn)室提出了一種突破性的演示文稿自動(dòng)生成框架 PPTAgent。

不同于傳統(tǒng)的端到端生成方法,PPTAgent 借鑒了人類創(chuàng)作 PPT 的過程,采用基于編輯的工作流程。正如經(jīng)驗(yàn)豐富的演講者往往會(huì)參考優(yōu)秀的演示文稿來優(yōu)化自己的作品,PPTAgent 也通過分析和編輯參考演示文稿來生成新的內(nèi)容。

PPTAgent 設(shè)計(jì)的框架包含兩個(gè)關(guān)鍵階段:首先是“演示文稿分析”階段,系統(tǒng)會(huì)深入分析作為參考的演示文稿,提取每張幻燈片的語義信息。隨后在“演示文稿生成”階段,系統(tǒng)首先會(huì)基于文檔內(nèi)容生成詳細(xì)的演示大綱,并為每張幻燈片分配合適的參考模板及相關(guān)文檔段落。對(duì)于待生成的每張幻燈片,PPTAgent 能夠根據(jù)輸入內(nèi)容自動(dòng)調(diào)整幻燈片參考模板中的文本和視覺元素,通過生成的代碼指令來完成元素的創(chuàng)建、編輯和刪除等操作。通過這種方式,PPTAgent 不僅確保了生成內(nèi)容的連貫性,還保持了視覺設(shè)計(jì)的美觀度。

同時(shí),我們還提出了首個(gè)全面的演示文稿評(píng)估框架 PPTEval,從內(nèi)容、設(shè)計(jì)和結(jié)構(gòu)連貫性三個(gè)維度評(píng)估演示文稿的質(zhì)量,為自動(dòng)化生成技術(shù)的改進(jìn)提供了細(xì)粒度的反饋。實(shí)驗(yàn)結(jié)果表明,PPTAgent 能夠生成高質(zhì)量的演示文稿,在 PPTEval 的評(píng)估中取得了 3.67 的平均得分,并在來自不同領(lǐng)域的實(shí)驗(yàn)數(shù)據(jù)上展現(xiàn)出了 97.8%的任務(wù)成功率。

PPTAgent

ef57fafa-d63c-11ef-9310-92fbcf53809c.png

階段一:演示文稿分析 在這個(gè)階段,PPTAgent 首先對(duì)參考演示文稿進(jìn)行全面分析以提取其中包含的語義信息。具體來說:

根據(jù)功能將幻燈片分為兩大類:支持演示結(jié)構(gòu)的幻燈片(如開場(chǎng)頁)和傳遞具體內(nèi)容的幻燈片(如要點(diǎn)頁)。針對(duì)不同類型,PPTAgent 采用基于圖片相似度或大語言模型的方法對(duì)參考演示文稿中的幻燈片進(jìn)行聚類,并利用大語言模型的上下文感知能力對(duì)該頁的功能進(jìn)行描述。

考慮到現(xiàn)實(shí)世界中幻燈片內(nèi)容的復(fù)雜性和碎片性,我們利用大語言模型進(jìn)一步地提取幻燈片的內(nèi)容模式(schema),包括幻燈片元素的類別、形式和具體內(nèi)容。這些信息為后續(xù)的編輯過程提供了重要指導(dǎo)。

階段二:演示文稿生成

在生成階段,我們采用了基于編輯的生成范式,具體流程包括:

首先根據(jù)上一階段分析得到的幻燈片語義信息和輸入文檔生成結(jié)構(gòu)化大綱,為新演示文稿中的每張幻燈片指定參考模板和輸入文檔中的相關(guān)內(nèi)容。

基于我們?cè)O(shè)計(jì)的 API 接口,生成可執(zhí)行的代碼指令來對(duì)幻燈片中的元素進(jìn)行編輯修改。此外,我們還引入了實(shí)時(shí)的錯(cuò)誤反饋機(jī)制,系統(tǒng)能夠根據(jù)執(zhí)行過程中的錯(cuò)誤反饋進(jìn)行自我糾正,顯著提高了生成的穩(wěn)定性。

PPTEval:基于 LLM-as-a-Judge 范式的幻燈片質(zhì)量評(píng)估

此外,為了能夠有效和全面地評(píng)估生成幻燈片的質(zhì)量,我們還開發(fā)了 PPTEval 評(píng)估框架,利用大語言模型來從三個(gè)維度對(duì)演示文稿進(jìn)行全面評(píng)估:

內(nèi)容(Content):評(píng)估幻燈片中文本和圖像的相關(guān)度、文本內(nèi)容信息量和質(zhì)量,確保傳達(dá)的信息簡(jiǎn)潔、準(zhǔn)確且具備實(shí)用性。

設(shè)計(jì)(Design):關(guān)注幻燈片的色彩搭配、視覺元素的使用和整體設(shè)計(jì)的專業(yè)性,確保視覺呈現(xiàn)和內(nèi)容相輔相成。

連貫性(Coherence):評(píng)估幻燈片的邏輯結(jié)構(gòu)和上下文信息的完整性,確保內(nèi)容流暢且符合邏輯,觀眾易于理解。

ef81e6d0-d63c-11ef-9310-92fbcf53809c.png

實(shí)驗(yàn)

數(shù)據(jù)集

為了全面評(píng)估 PPTAgent 的性能,我們首先構(gòu)建了一個(gè)包含 10,448 份多領(lǐng)域演示文稿的數(shù)據(jù)集 Zenodo10K,這也是目前已知最大的幻燈片數(shù)據(jù)集。在此基礎(chǔ)上,我們?cè)谌齻€(gè)常用的大語言模型:GPT-4o、Qwen2.5-72B(Qwen2.5)和 Qwen2-VL-72B(Qwen2-VL)上進(jìn)行了實(shí)驗(yàn)。

efa3476c-d63c-11ef-9310-92fbcf53809c.png

實(shí)驗(yàn)結(jié)果

超高的生成成功率:PPTAgent 展現(xiàn)出卓越的魯棒性,使用 GPT-4o 或 Qwen2.5+Qwen2-VL 組合時(shí),均實(shí)現(xiàn)了超過 95%的生成成功率。這一成績(jī)遠(yuǎn)超此前模板編輯任務(wù)僅有 10%的成功率。

全方位的質(zhì)量提升:與基線方法相比,PPTAgent 在幻燈片的各個(gè)維度都取得了顯著進(jìn)步:

設(shè)計(jì)維度得分提升 40%(3.24 vs 2.33)

連貫性維度提升 34%(4.39 vs 3.28)

內(nèi)容質(zhì)量提升 9%(3.25 vs 2.98)

開源模型的出色表現(xiàn):值得一提的是,Qwen2.5 與 Qwen2-VL 的組合有效地克服了 Qwen2-VL 在語言處理方面的局限性,其整體表現(xiàn)也達(dá)到了與 GPT-4o 相當(dāng)?shù)乃剑宫F(xiàn)了開源大模型在專業(yè)領(lǐng)域的應(yīng)用潛力。

efbb1cac-d63c-11ef-9310-92fbcf53809c.png

評(píng)估結(jié)果的可靠性驗(yàn)證:為確保評(píng)估結(jié)果的可靠性,我們將 PPTEval 的評(píng)估結(jié)果與人工評(píng)估進(jìn)行了一致性分析。分析結(jié)果表明,PPTEval 在三個(gè)維度上的平均皮爾遜相關(guān)系數(shù)為 0.71,顯示其能夠有效地代替人類評(píng)估幻燈片的質(zhì)量。

總結(jié)

通過這項(xiàng)研究,我們將演示文稿的自動(dòng)生成重新定義為一個(gè)基于編輯的兩階段任務(wù)。PPTAgent 充分利用了大語言模型對(duì)代碼的理解和生成能力,通過分析參考演示文稿的文本特征和布局模式,有效地組織和生成新的演示文稿。在多個(gè)領(lǐng)域的實(shí)驗(yàn)驗(yàn)證中,PPTAgent 都能夠魯棒地生成高質(zhì)量幻燈片。同時(shí),我們提出的 PPTEval 評(píng)估框架為演示文稿生成任務(wù)提供了可靠的評(píng)估手段,為該領(lǐng)域的未來發(fā)展奠定了重要基礎(chǔ)。 這項(xiàng)技術(shù)有望開創(chuàng)一種全新的無監(jiān)督演示文稿生成范式,為未來研究提供了新的思路。通過這項(xiàng)技術(shù),我們期待能夠幫助更多人高效地創(chuàng)作專業(yè)的演示文稿,讓信息傳遞變得更加便捷。最后,通過開源的 PPTAgent、PPTEval 和大規(guī)?;脽羝瑪?shù)據(jù)集 Zenodo10K,我們希望能夠推動(dòng)整個(gè)領(lǐng)域的發(fā)展,激發(fā)更多創(chuàng)新性的研究成果。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • ppt
    ppt
    +關(guān)注

    關(guān)注

    1

    文章

    45

    瀏覽量

    17935
  • 大模型
    +關(guān)注

    關(guān)注

    2

    文章

    3147

    瀏覽量

    4079

原文標(biāo)題:PPTAgent: 大模型驅(qū)動(dòng)的PPT自動(dòng)生成,解放打工人

文章出處:【微信號(hào):gh_e5b9d8c5c1d4,微信公眾號(hào):中科院軟件所中文信息處理實(shí)驗(yàn)室】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    Gemini API集成Google圖像生成模型Imagen 3

    開發(fā)者現(xiàn)在可以通過 Gemini API 訪問 Google 最先進(jìn)的圖像生成模型 Imagen 3。該模型最初僅對(duì)付費(fèi)用戶開放,不久后也將面向免費(fèi)用戶推出。
    的頭像 發(fā)表于 05-14 16:53 ?447次閱讀

    用對(duì)軟件,DeepSeek + Kimi,PPT一鍵生成秘籍!

    和大家分享一下如何利用這兩個(gè)工具快速制作出精美的PPT。 一,DeepSeek:快速生成PPT大綱 DeepSeek是一款智能AI助手,能夠根據(jù)你的需求快速生成
    的頭像 發(fā)表于 02-19 16:13 ?1777次閱讀
    用對(duì)軟件,DeepSeek + Kimi,<b class='flag-5'>PPT</b>一鍵<b class='flag-5'>生成</b>秘籍!

    生成式人工智能模型的安全可信評(píng)測(cè)

    近些年來,生成式人工智能技術(shù)取得了飛躍發(fā)展。隨著各式各樣的大模型不斷迭代升級(jí),從一般通用生成能力,到各種專有領(lǐng)域的細(xì)分能力,再到更注重與用戶的實(shí)際交互,大模型的各項(xiàng)能力顯著提升,人工智
    的頭像 發(fā)表于 01-22 13:55 ?1037次閱讀
    <b class='flag-5'>生成</b>式人工智能<b class='flag-5'>模型</b>的安全可信評(píng)測(cè)

    AN-715::走近IBIS模型:什么是IBIS模型?它們是如何生成的?

    電子發(fā)燒友網(wǎng)站提供《AN-715::走近IBIS模型:什么是IBIS模型?它們是如何生成的?.pdf》資料免費(fèi)下載
    發(fā)表于 01-13 14:21 ?0次下載
    AN-715::走近IBIS<b class='flag-5'>模型</b>:什么是IBIS<b class='flag-5'>模型</b>?它們是如何<b class='flag-5'>生成</b>的?

    NVIDIA推出多個(gè)生成式AI模型和藍(lán)圖

    NVIDIA 宣布推出多個(gè)生成式 AI 模型和藍(lán)圖,將 NVIDIA Omniverse 一體化進(jìn)一步擴(kuò)展至物理 AI 應(yīng)用,如機(jī)器人、自動(dòng)駕駛汽車和視覺 AI 等。全球軟件開發(fā)和專業(yè)服務(wù)領(lǐng)域的領(lǐng)先企業(yè)正在使用 Omnivers
    的頭像 發(fā)表于 01-08 10:48 ?640次閱讀

    借助谷歌Gemini和Imagen模型生成高質(zhì)量圖像

    在快速發(fā)展的生成式 AI 領(lǐng)域,結(jié)合不同模型的優(yōu)勢(shì)可以帶來顯著的成果。通過利用谷歌的 Gemini 模型來制作詳細(xì)且富有創(chuàng)意的提示,然后使用 Imagen 3 模型根據(jù)這些提示
    的頭像 發(fā)表于 01-03 10:38 ?906次閱讀
    借助谷歌Gemini和Imagen<b class='flag-5'>模型</b><b class='flag-5'>生成</b>高質(zhì)量圖像

    Google兩款先進(jìn)生成式AI模型登陸Vertex AI平臺(tái)

    新的 AI 模型,包括最先進(jìn)的視頻生成模型Veo以及最高品質(zhì)的圖像生成模型Imagen 3。近日,我們?cè)?Google Cloud 上進(jìn)一步
    的頭像 發(fā)表于 12-30 09:56 ?629次閱讀

    大語言模型優(yōu)化生成管理方法

    大語言模型的優(yōu)化生成管理是一個(gè)系統(tǒng)工程,涉及模型架構(gòu)、數(shù)據(jù)處理、內(nèi)容控制、實(shí)時(shí)響應(yīng)以及倫理監(jiān)管等多個(gè)層面。以下,是對(duì)大語言模型優(yōu)化生成管理方
    的頭像 發(fā)表于 12-02 10:45 ?408次閱讀

    NVIDIA推出全新生成式AI模型Fugatto

    NVIDIA 開發(fā)了一個(gè)全新的生成式 AI 模型。利用輸入的文本和音頻,該模型可以創(chuàng)作出包含任意的音樂、人聲和聲音組合的作品。
    的頭像 發(fā)表于 11-27 11:29 ?826次閱讀

    探索設(shè)計(jì)稿自動(dòng)生成Flutter代碼的技術(shù)方案

    作者:京東物流 冷先鋒 近年來,隨著人工智能和大模型技術(shù)的發(fā)展,設(shè)計(jì)稿(UI視圖)自動(dòng)生成代碼的技術(shù)也在不斷進(jìn)步。本文將探討幾家知名企業(yè)在這一領(lǐng)域的探索和實(shí)踐,包括美團(tuán)、京東、微軟等,以及一些常見
    的頭像 發(fā)表于 11-08 10:09 ?1709次閱讀
    探索設(shè)計(jì)稿<b class='flag-5'>自動(dòng)</b><b class='flag-5'>生成</b>Flutter代碼的技術(shù)方案

    如何自動(dòng)生成verilog代碼

    介紹幾種自動(dòng)生成verilog代碼的方法。
    的頭像 發(fā)表于 11-05 11:45 ?1039次閱讀
    如何<b class='flag-5'>自動(dòng)</b><b class='flag-5'>生成</b>verilog代碼

    火山引擎推出豆包·視頻生成模型

    在近期舉辦的2024火山引擎AI創(chuàng)新巡展上,火山引擎總裁譚待隆重推出了豆包·視頻生成模型,這一舉措標(biāo)志著火山引擎在視頻內(nèi)容生成領(lǐng)域邁出了重要一步。豆包模型憑借其獨(dú)特的技術(shù)優(yōu)勢(shì),吸引了業(yè)
    的頭像 發(fā)表于 09-25 14:11 ?651次閱讀

    使用PWM生成模式驅(qū)動(dòng)BLDC電機(jī)

    電子發(fā)燒友網(wǎng)站提供《使用PWM生成模式驅(qū)動(dòng)BLDC電機(jī).pdf》資料免費(fèi)下載
    發(fā)表于 09-06 11:28 ?1次下載
    使用PWM<b class='flag-5'>生成</b>模式<b class='flag-5'>驅(qū)動(dòng)</b>BLDC電機(jī)

    TINA自動(dòng)生成外形出錯(cuò)怎么解決?

    我從TI官網(wǎng)下載了LM5145的PSPICE模型,想在TINA-TI中創(chuàng)建一個(gè)新宏,但是在自動(dòng)生成外形的時(shí)候出錯(cuò)了。請(qǐng)問這種問題怎么解決
    發(fā)表于 08-13 07:39

    聲智完成多項(xiàng)生成式算法和大模型服務(wù)備案

    2024年7月20日,北京聲智科技有限公司依據(jù)國(guó)家《生成式人工智能服務(wù)管理暫行辦法》,順利完成了壹元大模型生成式人工智能(大語言模型)服務(wù)上線備案。
    的頭像 發(fā)表于 07-23 15:25 ?939次閱讀
    聲智完成多項(xiàng)<b class='flag-5'>生成</b>式算法和大<b class='flag-5'>模型</b>服務(wù)備案