制作高质量的PPT是很多小伙伴的烦恼，现有的自动化PPT生成方法大多只关注 文本内容 的生成，忽略了 视觉设计 和 结构连贯性 ，导致生成的PPT在实际应用中效果不佳。
中科院提出并 开源PPTAgent ， 一种基于编辑的 两阶段PPT生成框架 ，灵感来源于人类制作PPT的工作流程。
PPTAgent的工作流程如下：
第一阶段：PPT分析
- 幻灯片聚类 ：将参考PPT中的幻灯片按照功能（如开场、过渡、内容展示等）和视觉特征进行分类。
- 内容模式提取 ：分析每个幻灯片的内容结构，提取出关键元素及其布局模式，为后续生成提供模板。
第二阶段：PPT生成
- 大纲生成： 根据输入文档和参考PPT的分析结果，生成详细的PPT大纲，明确每页幻灯片的内容和布局。
- 幻灯片生成 ：通过一系列可执行的编辑操作（如替换文本、插入图片等），动态修改参考幻灯片，生成最终的PPT。
此外，研究者还提出了 PPTEval，这是一个多维度的PPT评估框架，从内容、设计和连贯性三个维度对生成的PPT进行全面评估。内容维度关注文本和图片的质量；设计维度评估视觉吸引力和一致性；连贯性维度则衡量PPT的逻辑结构和叙事流畅性。
PPTAgent在内容、设计和连贯性三个维度上均显著优于传统方法。
- 使用GPT-4o模型时，PPTAgent在 设计维度上 的评分比传统方法高出 33% ， 连贯性 评分高出 34% 。
- PPTAgent的成功率高达97.8% ，在多个领域的数据上表现出色。
- 开源的Qwen2.5
模型在经过优化后，能够与 GPT-4o相媲美 ，展现出强大的生成能力。
https://arxiv.org/abs/2501.03936
PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slides
https://github.com/icip-cas/PPTAgent.
推荐阅读
- • 对齐LLM偏好的直接偏好优化方法：DPO、IPO、KTO
- • 2024：ToB、Agent、多模态
- • RAG全景图：从RAG启蒙到高级RAG之36技，再到终章Agentic RAG！
- • Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）
欢迎关注我的公众号“ PaperAgent ”， 每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。