Community图像github.com

ML论文图1

图像技能。为ML/AI论文(NeurIPS、ICML、ICLR、CVPR、ECCV、ACL、AAAI)设计可发表的图1图表:框架概览、模型架构示意图、方法/流程和预告图。生成一个自包含的SVG,以及一份用于LaTeX \includegraphics的矢量PDF和高分辨率PNG,使用带有离线lint脚本的渲染与评审循环。当用户希望为论文、海报或反驳信绘制、重新设计或润色概览/架构/流程/方法图时,请使用此技能。

ML论文图1 是什么?

该技能是一个用于生成AI/ML论文中Figure 1图表的专业化工具。它通过一个四阶段的流水线(规划→草稿→渲染与评审(最多3轮)→导出)工作,确保图表在视觉上清晰、结构化,并符合NeurIPS、ICML、CVPR等顶级会议要求。该技能强调生成自包含的SVG文件,避免使用外部资源或模板,以确保兼容性和精确性。它包括一个自动化的基于坐标的布局系统,并使用离线脚本进行渲染和lint检查,从而在无需云API的情况下实现精确几何和排版匹配。最终输出的文件包括可编辑的SVG源文件、用于LaTeX的矢量PDF、用于演示文稿的高分辨率PNG,以及一份包含字体大小、评审轮次和任何已接受警告的报告。其独特卖点是其系统化的方法,该方法由规划蓝图(blueprint)驱动,并通过基于视觉和lint的迭代反馈循环来结构布局、组件和样式,从而生成高度可重复和可修改的图表。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/JihuLee/ml-paper-figure/tree/HEAD/skills/ml-paper-figure

Installed? Explore more 图像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

ML论文图1 是做什么的?

将图形构建为手写SVG,分为四个门控阶段:规划 → 草稿 → 渲染与评审(≤ 3轮) → 导出。 在蓝图存在之前,不要开始编写SVG。临时选择的坐标是导致标签和箭头溢出框的主要问题,并且lint和视觉审查只有在有规划时才能良好工作。

下面的SKILL_DIR表示此技能的基础目录。脚本离线运行;每个会话检查一次渲染器:

python3 "$SKILL_DIR/scripts/render_svg.py" --list-backends

脚本会选择已安装的Chromium (Playwright)、rsvg-convert、inkscape、cairosvg或resvg。精确的几何lint需要Chromium。没有它,检查将是近似的,因此请更多地依赖视觉审查。

参考文件(按阶段说明读取)

文件何时读取
references/design-system.md阶段1。它涵盖每个会议地点的画布尺寸、布局间距、调色板角色、字体层级、形状隐喻、连接器样式。这些是默认值;当内容需要时,请进行调整。
references/svg-primitives.md阶段2。它包含可复制的<defs>(标记、徽章、缩略图)、文本居中和连接器公式以及ML形状模板。
assets/primitives-gallery.png可选。所有原语的渲染视图,有助于选择隐喻。
assets/example-figure1.svg (+ .png)可选。一个完整的、lint干净的图1(冻结编码器→提议模块→解码器+虚线损失),可以从中复制结构。
scripts/svg_geom.py任何时候需要精确坐标时使用。它输出连接器路径、梯形、堆叠、网格和带有自适应检查的居中标签。
scripts/tex_math.pyrender_svg.py用于$…$数学公式。运行--paper main.tex --show查看论文中使用的数学设置和宏,--test 'c_{FA}' --pt 6用于排版一个片段。

阶段1:规划(任何SVG之前的蓝图)

  1. 提取结构,从用户提供的任何内容(散文、方法LaTeX/Markdown、PyTorch nn.Module代码):
    • 阶段(2–4组,成为卡片 (a), (b), (c)),以及每个阶段内的模块;
    • 哪个/哪些模块是论文的贡献(使用强调色),哪个是冻结/预训练的,哪个是可训练的;
    • 主路径上的张量及其形状,例如 (B, 3, H, W) → (B, N, D),使用论文自己的符号;
    • 流程:前向数据(实线)、损失/监督(虚线)、梯度/反馈、跳跃连接、仅推理与仅训练路径。 从代码中:__init__列出模块,forward()给出顺序和形状,requires_grad_(False)/.eval()/torch.no_grad()标记冻结部分,损失项来自训练步骤。 如果源材料没有说明什么是新颖的或什么是冻结的,请提出一个简短的问题。否则,做出合理的假设并说明它们。
  2. 固定画布:目标会议地点和宽度,以及来自design-system.md §2中表格的viewBox。默认值为每打印点2个单位,例如NeurIPS 800 × ~300。
  3. 写入蓝图,将其写入图形旁边的<name>.blueprint.md,并用几行向用户总结。文件存放在用户放置论文图形的位置(默认:项目中的figures/目录):
figure: figure1_overview      # 文件主干
target: neurips               # render_svg.py --target 值;viewBox 800 x 300 (2u = 1pt)
flow: left-to-right           # 或 top-to-bottom / two-row snake
stages:                       # 卡片x范围平铺宽度并留有间隙;卡片共享一个y范围
  - id: a
    title: "(a) Frozen Encoder"
    box: [12, 12, 186, 240]   # x, y, w, h
    modules:
      - {id: img, kind: thumb-patches, box: [28, 120, 40, 40], label: "x", dims: "3×H×W"}
      - {id: enc, kind: trapezoid-encoder, role: frozen, badge: frozen, box: [96, 90, 88, 100], inset: 18, label: "Vision|Encoder"}
  - id: b
    # ...
edges:
  - {from: img.right, to: enc.left, style: forward, role: data}
  - {from: dec.bottom, to: loss.top, style: loss, label: "ŷ"}
colors: {enc: frozen, uam: proposed, dec: train, loss: loss}   # 来自 design-system.md §4 的调色板角色
legend: [forward, loss, frozen, trainable]                    # 仅需要解释的编码
notes: "proposed card ~45% of width; spine at y = 140"

继续前的蓝图检查:每个模块都有一个框;卡片内的框之间至少保留14单位的卡片内边距;箭头连接的相邻框之间至少相距28单位(如果箭头带有标签,则至少相距40单位);标签宽度适合其框(svg_geom.py label …报告内边距);并且主轴(主路径)尽可能是一条直线。

阶段2:草稿(一个自包含的SVG)

阅读references/svg-primitives.md,然后编写<name>.svg:

  • 从那里的骨架和核心<defs>开始(字体栈、排版类、每个调色板角色的一个箭头头、矢量徽章)。仅在需要时添加可选的缩略图定义。
  • 自包含:无外部图像、无网络字体或@import、无<foreignObject>、无脚本、无表情符号。使用矢量徽章代替❄️/🔥,因为表情符号在PDF中会变成位图或豆腐块。
  • 绘制顺序:背景→卡片→边→模块→标签→徽章→图例。边位于模块下方,以便其末端隐藏在边框下方。
  • 为模块提供id(id="enc"),连接器使用class="edge"和fill="none",小视觉元素使用data-lint="ignore"。然后lint消息会命名您可以找到的元素。
  • 使用公式或svg_geom.py计算坐标,而不是凭眼看。文本中心基线为cy + 0.35 × font-size。路径在目标边框前2单位处结束,因为标准箭头头的尖端会超出2单位。
  • 数学公式是LaTeX:在<text>内的$…$之间编写符号(scores $S[i,v,p]$,$\mathcal{L}_{\text{KL}}$),使用论文的符号。渲染脚本会使用论文的数学字体和宏(--paper main.tex)对其进行排版,并将结果写入SVG。仅编辑源<text>;切勿使用斜体衬线字体或<tspan dy>下标来伪造数学公式(svg-primitives.md §2)。

阶段3:渲染与评审(循环,最多3轮)

每轮:

  1. 渲染和lint:
    python3 "$SKILL_DIR/scripts/render_svg.py" <name>.svg --target <venue> [--paper main.tex]   # venue: neurips (default), icml, cvpr, …-col, or 5.5in
    
    使用--paper(需要一次;设置存储在SVG中)后,$…$数学公式将使用论文的数学字体和宏。 这将写入<name>.png、<name>.debug.png(带有编号框的坐标网格,围绕每个问题E#/W#)和<name>.preview.png(打印尺寸的图形),并打印带有坐标的错误和警告。
  2. 自己查看图像。 首先阅读<name>.debug.png,然后阅读<name>.preview.png。lint无法判断构图,因此视觉检查是必须的。
  3. 浏览清单并编写简短的评审:每个缺陷一行,附带坐标中的修复方法。
    • 文本适配:没有标签接触或跨越其框的边框;模块标签至少有8单位的侧边内边距。
    • 箭头:没有箭头穿过模块或标签;箭头头接触目标边框(无间隙,无刺穿);无可避免的交叉;流向明显。
    • 间距与对齐:同级元素之间的间隙相等,行共享中心线,相同类型的框共享尺寸,卡片内边距均匀,并且没有角落拥挤而另一个角落空旷的情况。
    • 打印可读性(preview.png):最小的文本仍然可读;脚本报告目标宽度下的最小值≥6pt;描边可见;角色可区分。
    • 层次结构:提议的模块是眼睛首先落下的地方;阶段标题(a)/(b)/(c)易于扫描;一种强调色。
    • 语义:蓝图中的每个模块和边都存在且正确;实线=前向,虚线=损失;徽章和图例与绘制的内容匹配;符号与论文匹配。
  4. 修复,然后重新渲染。当0个错误且清单中的每个项目都通过时停止,或者剩余的警告是您可以证明的故意选择(说出是哪个以及为什么)。Lint警告是提示,而非裁决:一个您检查过并判断为正常的警告无需更改。

在第3轮之后,即使存在小问题也停止迭代,并在报告中列出它们。

阶段4:导出

python3 "$SKILL_DIR/scripts/render_svg.py" <name>.svg --target <venue> --export

这将生成<name>.pdf(矢量,页面尺寸等于打印宽度,因此其文本大小是真实的打印尺寸),一个高分辨率<name>.png(3 px/u,或--dpi 300),以及PDF检查:单页、字体嵌入、仅Type 1 / TrueType字体(Type 3为错误)、无光栅化内容,以及PDF与PNG匹配。如果渲染器会为无衬线文本嵌入Type 3字体(Chromium对于CFF字体如Inter .otf或TeX Gyre .otf会这样做,而NeurIPS/ICML风格的检查器会拒绝它们),则该文本会自动转换为矢量轮廓(--pdf-text auto|fonts|outline)。$…$数学公式随后从pdflatex输出中盖印进去,因此PDF携带真实的Type 1数学字体(例如带有CMMI5脚本的CMMI6);报告列出字体及其打印尺寸。它还会删除审查图像。然后向用户提供:

  • 文件(.svg源文件、用于LaTeX的.pdf、用于幻灯片/预览的.png);
  • 一个与目标宽度匹配的LaTeX片段:
    \begin{figure*}[t]   % 对于单栏会议(NeurIPS/ICLR)或栏宽图形,使用 figure + \linewidth
      \centering
      \includegraphics[width=\textwidth]{figures/<name>.pdf}
      \caption{...}\label{fig:overview}
    \end{figure*}
    
  • 一份简短报告:目标和最小打印字体大小(以及任何数学基/脚本大小)、运行的评审轮次及更改内容,以及任何已接受的警告。

质量标准(“完成”的含义)

  • 在打印宽度下可读:文本≥6pt,最多4种字体大小,线宽≥0.5pt。
  • 零lint错误。无文本溢出、重叠、画布外元素、破损引用或表情符号。
  • 每个箭头都从一个边框开始并在一个边框结束,永不穿过模块或标签,并遵循圆角正交路径。
  • 一个清晰的焦点(贡献)、一致的角色颜色,并且图例仅用于非显而易见的编码。
  • 忠实于论文:模块名称、符号和张量形状与文本或代码匹配。没有发明任何东西。标记任何假设。
  • 数学公式由LaTeX使用论文的数学字体和符号排版,并具有LaTeX脚本大小(≥5pt打印)。
  • 可交付成果是一个自包含的SVG、一个矢量PDF(Type 1/TrueType或轮廓字体,绝不是Type 3)和一个PNG,全部在本地渲染,无云API。

相关技能