arXivは2026年10月5日(現地時間)、機械学習論文に登場するパイプライン図を、紙面のカラム、16:9スライド、ポスターなど多様なアスペクト比のキャンバスに再レイアウトする新たな手法に関する論文を発表した。この手法は、元の構造に忠実で、内容の幻覚を引き起こさず、編集可能なレイアウトを生成することを目的としている。
提案された手法は、アスペクト比適応型フローチャート再レイアウトという独自のタスクとして定式化されている。既存の手法はそれぞれ課題を抱えており、画像対画像モデルはブロックを引き伸ばし、極端な比率に対応できない。また、テキスト対画像エージェントシステムは内容を幻覚し、パース・レンダリングシステムはエッジのルーティングを誤ることが指摘されている。
これらの課題に対し、Shih-Chen Tseng氏らが提案するパイプラインは、Parse、Style、Layoutの3つのステージに分割されたエージェント型システムとして機能する。各ステージでは、メインエージェントとクリティックが連携し、確定的な制約チェックとVLM (Visual Language Model) による視覚フィードバックを組み合わせることで、接続性が明示的に検証され、意図せず切断される事態が防止される。出力はdraw.ioで編集可能なmxGraph XML形式である。
この手法は、100のフローチャートと5つのアスペクト比で構成されるベンチマークで評価された。Gemini 3.1 Proによる評価と人間の判断との比較検証の結果、提案手法は68.6%のContent Fidelityを達成し、先行研究の11.2%から41.4%という範囲を上回った。
参考: arXiv cs.CV — 2026年10月6日 02:59 (JST)
原文ハイライト"Our method reaches 68.6% Content Fidelity versus 11.2-41.4% for prior work."