InfoVis: generazione e modifica unificate di immagini di slide

Abstract degli autori

Generare e modificare slide per presentazioni richiede modelli capaci di combinare una resa accurata del testo, il rispetto delle istruzioni, il grounding visivo, la qualità estetica e modifiche precise su un’unica superficie di lavoro. I lavori esistenti coprono solo parte di queste capacità e non dispongono né di supervisione su larga scala basata sulle slide né di valutazioni diagnostiche. Definiamo quattro attività incentrate sulle slide e realizziamo un sistema scalabile per la produzione di dati, con oltre 13 milioni di record per il preaddestramento continuo e 1,9 milioni di record per il fine-tuning supervisionato. Presentiamo inoltre VisSlideBench, un benchmark di 1.527 istanze selezionate manualmente che copre tutte e quattro le attività con una valutazione multidimensionale specifica per ciascuna. Le sue classifiche automatiche concordano con quelle stilate, per ciascuna dimensione, da valutatori umani che non conoscevano l’identità dei modelli. Usando queste risorse, addestriamo InfoVis, un modello unificato 9B per la generazione e la modifica di slide. Su VisSlideBench, InfoVis supera tutti i modelli open source valutati in tutte le undici metriche e ottiene un punteggio complessivo di 7,94, contro il 7,99 di Nano-Banana-2. Partendo da FLUX.2-klein-base-9B, l’addestramento successivo specifico per le slide aggiunge 1,6 punti al punteggio complessivo, con i maggiori miglioramenti nella generazione per quanto riguarda la fedeltà ai contenuti. Il divario rimanente rispetto ai modelli proprietari è minimo nella fedeltà ai contenuti e massimo nella qualità estetica. Basato su InfoVis, il nostro flusso di lavoro che trasforma documenti in slide ottiene il secondo punteggio più alto nella metrica Aesthetics sul benchmark esterno SlidesGen-Bench. Renderemo disponibili il modello, il codice, i dati e il benchmark.