北大、谷歌推出PaperBanana，AI一键自动生成科研插图

关注CAIE，国内头部AI人才认证、培训体系，助你在职场升职加薪。

北京大学和谷歌云研究人员，联合推出了重磅框架PaperBanana，直接把科研插图生成这件苦差事给自动化了。

以前做学术研究最头疼的莫过于写完论文还要花好几天画方法论图、统计图表，专业设计工具门槛高不说，还得反复修改贴合期刊风格。

现在有了PaperBanana，只要把论文里的方法描述和想要的图注输进去，它就能自动生成符合顶会标准的插图。

即将开源地址：https://github.com/dwzhu-pku/PaperBanana

下面这些科研论文图表都是PaperBanana自动生成的，感觉和人工制作的几乎没有任何区别了。

以前大家要么用代码画，比如TikZ、Python-PPTX这些工具，虽然精准但想画点自定义图标或者复杂结构就特别费劲。

要么用图像生成模型，但生成的图总觉得不够学术，要么逻辑不对要么风格跑偏。

PaperBanana的核心思路特别好理解，就像组建了一个专属的AI设计团队，五个智能体各司其职又互相配合，一步步把文字变成高质量插图。

检索器：找对参考少走弯路

这个模块就像团队里的资料搜集员，拿到你的需求后，先从海量顶会论文里找出最像的参考图。

它不是瞎找，而是精准匹配研究领域和图表类型，比如你要画智能体相关的框架图，它就专门找同类型的参考，重点看人家的结构和风格，而不是只看文字相似度。

有了这些参考，后面生成的图就不会偏离学术规范。

规划器：把复杂方法拆成画图脚本

规划器是整个团队的大脑，它的工作是把论文里晦涩的方法描述，翻译成图像生成模型能看懂的画图脚本。

比如研究里有几个核心模块，模块之间怎么连接，数据怎么流动，这些关键信息它都能精准提炼出来，还会参考之前找到的例子，确保逻辑不跑偏。这一步就像把复杂的菜谱拆解成一步步简单的操作，让后续画图环节能精准落地。

样式器：给插图加顶会滤镜

样式器就像专业设计师，专门负责让插图看起来更学术。它会自动分析大量顶会论文的插图风格，总结出一套美学准则，比如用什么颜色搭配、选什么形状的模块、线条怎么画才规范。

不管你原始描述多简单，它都能按照学术期刊的审美来优化，让生成的图一看就很专业，不会有花里胡哨不符合规范的设计。

可视化器+批评家：反复打磨直到完美

这两个模块是一对黄金搭档，负责把脚本变成图像还不断优化。可视化器相当于绘图师，根据前面的优化描述生成初始插图；批评家就像审稿人，仔细检查生成的图有没有问题。

比如是不是和原文逻辑一致、有没有视觉瑕疵，发现问题就提出修改意见，让可视化器重新生成。

这个过程默认会重复三次，就像我们画图时反复修改一样，确保最终结果又准又好看。

值得一提的是，针对统计图表这种对数据精度要求高的情况，PaperBanana还专门做了适配，会生成可执行的代码来渲染图表，这样就不会出现数值不准的问题，比纯图像生成靠谱多了。

为了让大家相信这个框架真的好用，团队还专门做了个数据集。他们从NeurIPS2025的论文里挑了292个测试案例，涵盖了不同研究领域和插图风格，相当于给插图生成任务建了个“考试题库”。

评价方式也很实在，用VLM作为裁判，把AI生成的图和人类画的图放在一起对比，从真实性、简洁性、可读性、美学性四个方面打分。

而且这个裁判还经过了验证，和其他模型以及人类评价的结果都比较一致，不会出现乱打分的情况。

这样一来，以后再有人做类似研究，就有明确的标准来衡量效果了，不用再靠主观感受判断好不好。

测试下来PaperBanana的表现确实让人惊喜。和直接用图像生成模型、少样本提示这些方法比，它在所有维度都领先，综合得分提升了17%，尤其是简洁性和美学性，比人类画的还要出色。

不过在真实性上还有点小差距，偶尔会出现箭头方向错了或者连接点不对的小问题，相信后续优化能解决。

团队还做了个有意思的测试，用PaperBanana的美学准则去优化人类已经画好的图，结果56.2%的优化图在美学上超过了原图。

这意味着就算你自己已经画好了图，也能让它帮忙润色一下，让图看起来更专业，简直是科研人的福音。

未来它不仅能用于学术插图，说不定还能拓展到UI设计、专利图纸这些需要严格遵循规范的领域。

不过有一点要提醒大家，虽然AI生成很方便，但还是要仔细检查一下生成的图有没有逻辑错误，毕竟科研的严谨性最重要。

想转型AI，不被时代淘汰

CAIE注册人工智能工程师认证

岗位能力 × AI工具 ×转型方向 × 场景落地 = 新AI职业价值

扫码免费领取《AI工程师入门学习指南》