Multi-llm collaborative caption generation in scientific documents

같이 보면 좋은 논문

기반 연구

SciCap: Generating Captions for Scientific Figures

SciCap은 과학적 도형 캡션 생성용 데이터셋과 모델로, MLBCAP 프레임워크가 발전시킨 방법론의 기반 역할을 합니다.

기반 연구

FigCaps-HF: A Figure-to-Caption Generative Framework and Benchmark with Human Feedback

과학 논문의 그림에서 도형-캡션 자동 생성 시스템과 관련된 실제 데이터 및 모델 평가 지표를 제시하여, 멀티 LLM 협업 기반의 caption 생성 전략 설계에 근거를 제공합니다.

기반 연구

Autocap: Towards automatic cross-lingual alignment planning for zero-shot chain-of-thought

Multi-llm collaborative caption generation 논문은 다국어 및 다중 LLM 기반 표 캡션 생성 과제를 다뤄, AUTOCAP의 cross-lingual CoT 추론 자동화에 이론적 타당성을 제공한다.

기반 연구

Paper2poster: Towards multimodal poster automation from scientific papers

과학 도큐먼트에서 멀티 에이전트 기반 캡션 생성 기법이 포스터 자동화 내 시각-언어 피드백 구조에 이론적 배경을 제공합니다.

다른 접근

SciCap+: A Knowledge Augmented Dataset to Study the Challenges of Scientific Figure Captioning

564는 다수의 LLM이 협업하여 과학 도표 캡션 생성 문제를 해결하는 접근으로, 709의 멀티모달 컨텍스트와 비교적 읽을 가치가 있습니다.

다른 접근

HeLM: Highlighted Evidence augmented Language Model for Enhanced Table-to-Text Generation

Multi-llm collaborative caption generation in scientific documents 논문은 LLM 기반 다양한 증거 강조 방식이 과학 도표 및 표 생성의 품질에 어떤 영향을 주는지 실증적으로 연구합니다.

다른 접근

Semi-Supervised 2D Human Pose Estimation Driven by Position Inconsistency Pseudo Label Correction Module

협력적 멀티-LLM 캡션 생성 및 검증에서 순수 준지도학습 기반 포즈 추정 과제와 상이한 자동 레이블 품질 개선 방법을 비교할 수 있습니다.

다른 접근

PatFig: Generating Short and Long Captions for Patent Figures

특허 도면에서의 캡션 생성 과제를 통해, 도면-텍스트 멀티모달 캡션 생성 방식의 차이를 파악할 수 있습니다.

다른 접근

Every part matters: Integrity verification of scientific figures based on multimodal large language models

Multi-llm collaborative caption generation은 과학 문서의 그림 캡션 생성에 다양한 협업적 LLM 전략을 실험하여 EPM 접근과 비교할 수 있습니다.

다른 접근

Hierarchical attention graph for scientific document summarization in global and local level

564번 논문은 다중 LLM 협력 기반 과학문서 캡션 생성에 주목해, 401번의 그래프 요약 접근과 의미 추출 패러다임에서 대체적 관점을 보여줍니다.

다른 접근

Understanding how paper writers use ai-generated captions in figure caption writing

Multi-LLM 협업을 통한 과학 캡션 생성 방법을 제시하여, 실제 논문 저자의 AI 캡션 활용 방식 탐구와 상호 비교가 가능합니다.

다른 접근

An autonomous AI agent for universal behavior analysis

과학 문서에서 시각 정보와 텍스트 정보를 결합해 캡션을 생성하는 다중 모델 프레임워크로 시각-언어 통합 접근법을 비교할 수 있습니다.

다른 접근

Stealing creator's workflow: A creator-inspired agentic framework with iterative feedback loop for improved scientific short-form generation

두 논문 모두 과학 문서에서 시각적 요소의 자동 캡션 생성을 다루지만, 564는 멀티LLM 협력을 강조하는 반면 773은 크리에이터 에이전트 워크플로우를 모방합니다.

다른 접근

P2P: Automated Paper-to-Poster Generation and Fine-Grained Benchmark

Multi-llm collaborative caption generation 논문도 과학 문서 내 시각 콘텐츠에 대해 LLM 기반 캡션 생성 문제를 다루므로, 포스터 생성 자동화와 밀접한 연관이 있다.

후속 연구

847_Two_heads_are_better_than_one_A_multi-agent_system_has_the_p

Two heads are better than one 논문은 다중 에이전트 협업이 창의적 결과를 높임을 보여, MLBCAP의 multi-LLM 협업 논리에 대한 실증적 근거를 제공한다.

후속 연구

Machine-in-the-loop rewriting for creative image captioning

564는 다중 LLM 협업을 통한 과학 이미지 캡션 생성 연구로, 515의 인간 중심 이미지 서술 지원을 AI 중심 분산형 접목으로 확장한다.

후속 연구

FigCaps-HF: A Figure-to-Caption Generative Framework and Benchmark with Human Feedback

‘Multi-llm collaborative caption generation’ 논문은 다수의 LLM 협력 구조를 통해 캡션 품질 향상법을 실증적으로 보여줘 품질 평가 관점에서 시너지가 있다.

후속 연구

PatFig: Generating Short and Long Captions for Patent Figures

Multi-llm collaborative caption generation 논문은 다중 LLM을 이용한 협력적 캡션 생성 프레임워크를 제안하며, 605와 같이 도형 캡션 자동화 도메인의 현실적 성능 한계를 확장합니다.

후속 연구

Figuring out figures: Using textual references to caption scientific figures

564는 논문 도형 내 다중 LLM 협업 캡션 생성을 제시하여, 338의 멀티모달 접근법을 확장한 실험 연구입니다.

후속 연구

Beyond outlining: Heterogeneous recursive planning for adaptive long-form writing with language models

564는 다중 LLM 협업 기반 캡션 생성 프레임워크를 도입함으로써, 157의 이질적 계획 모델을 다중 에이전트 환경 하에서 실현 가능하게 확장한다.

응용 사례

Scidqa: A deep reading comprehension dataset over scientific papers

Scidqa는 과학 논문 내 심층적 텍스트–그림 맥락 분석을 통해 캡션 생성 모델 평가 관점에서 MLBCAP의 확장 응용사례로 연결됩니다.

응용 사례

Understanding how paper writers use ai-generated captions in figure caption writing

캡션 작성 시 실제 AI 생성 텍스트 활용 사례 및 그 한계를 분석하여, MLBCAP 방식의 실효성과 현장 도입 시사점 확인에 도움이 됩니다.

Multi-llm collaborative caption generation in scientific documents

Essence

Motivation

Achievement

How

4.1 품질 평가 모듈

4.2 다양한 캡션 생성 모듈

4.3 판단 및 정제 모듈

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

Multi-llm collaborative caption generation in scientific documents

Essence

Motivation

Achievement

How

4.1 품질 평가 모듈

4.2 다양한 캡션 생성 모듈

4.3 판단 및 정제 모듈

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

🎧 Audio Overview