中科院开源的PPTAgent是一种基于编辑的两阶段PPT生成框架，它模拟人类制作PPT流程，解决了现有方法只关注文本内容而忽略视觉设计和结构连贯性的问题。PPTAgent首先分析参考PPT，进行幻灯片聚类和内容模式提取；然后基于此生成PPT大纲并通过编辑操作动态修改参考幻灯片。此外，研究者还提出了PPTEval多维度评估框架，从内容、设计和连贯性三个维度全面评估PPT质量。实验表明，PPTAgent在各维度均优于传统方法，尤其在设计和连贯性方面表现突出，成功率高达97.8%，并支持开源模型Qwen2.5。

📊 PPTAgent采用两阶段生成框架：首先分析参考PPT进行幻灯片聚类和内容模式提取，接着基于分析结果生成PPT大纲，并通过编辑操作动态修改参考幻灯片。

🎨 PPTAgent不仅关注文本内容，还注重视觉设计，通过编辑操作动态修改参考幻灯片，保证PPT的视觉吸引力和一致性。

🔗 PPTEval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，确保PPT的逻辑结构和叙事流畅性。

🚀 实验表明，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，设计维度评分高出33%，连贯性评分高出34%，成功率高达97.8%。

💡 开源的Qwen2.5模型经过优化后，能够与GPT-4o相媲美，展现出强大的生成能力，为PPT生成提供了更多选择。

原创 大理洱海等风来~ 2025-01-27 12:36 云南

平衡内容质量、视觉设计和结构连贯性

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/2501.03936PPTAgent: Generating and Evaluating Presentations Beyond Text-to-Slideshttps://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。

阅读原文

跳转微信打开