dwzhu-pku/PaperBanana

Что это?

Ключевые возможности

• 01Пятиагентный конвейер для поиска примеров, планирования, стилизации, генерации изображений и их критической оценки.
• 02Ищет примеры для few-shot-обучения в датасете PaperBananaBench.
• 03Цикл Critic-Visualizer с несколькими итерациями для последовательной доработки результата.
• 04Интерфейс Streamlit параллельно генерирует до 20 вариантов и увеличивает изображения до 2K или 4K.
• 05Поддерживает Google Gemini и OpenRouter в качестве провайдеров моделей.
• 06CLI с выбором режима эксперимента.

Сценарии использования

• Создание черновиков архитектурных схем или диаграмм метода для статьи на основе её текста и подписи к рисунку.
• Генерация нескольких вариантов рисунка и выбор лучшего для отправки в публикацию.
• Увеличение разрешения или редактирование уже сгенерированной схемы.
• Сравнение конвейеров генерации схем на датасете PaperBananaBench.

Быстрый старт

1. 1

   Клонируйте репозиторий

   git clone https://github.com/dwzhu-pku/PaperBanana.git
2. 2

   Создайте виртуальное окружение с помощью uv

   uv venv
3. 3

   Установите необходимые пакеты

   uv pip install -r requirements.txt
4. 4

   Укажите API-ключ в configs/model_config.yaml, затем запустите веб-приложение Gradio

   python app.py

Что важно знать

• !Требуется API-ключ OpenRouter или Google Gemini, поэтому использование зависит от внешних платных сервисов моделей.
• !Надёжность генерации пока ограничена; в README говорится, что до получения более надёжных и разнообразных результатов ещё далеко.
• !Для одновременной генерации большого числа вариантов нужен API-ключ, поддерживающий высокую параллельность.

Темы

Частые вопросы

Что такое PaperBanana?

Мультиагентный фреймворк, который превращает описание метода и подписи к рисункам в академические схемы и графики с помощью LLM и генерации изображений. PaperBanana — референсная мультиагентная система для создания академических иллюстраций. На вход она получает описание метода и подпись к рисунку, после чего запускает конвейер из агентов Retriever, Planner, Stylist, Visualizer и Critic. Retriever находит подходящие примеры в датасете PaperBananaBench, Planner составляет подробное описание рисунка, Stylist приводит его к академическим эстетическим стандартам, Visualizer генерирует изображение, а Critic оценивает результат, чтобы Visualizer мог его доработать.

PaperBanana можно использовать бесплатно? Какая у него лицензия?

PaperBanana распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.

PaperBanana всё ещё поддерживается?

Активно поддерживается. Последний коммит в PaperBanana — 19 окт. 2026 г..

Для чего можно использовать PaperBanana?

Создание черновиков архитектурных схем или диаграмм метода для статьи на основе её текста и подписи к рисунку. Генерация нескольких вариантов рисунка и выбор лучшего для отправки в публикацию. Увеличение разрешения или редактирование уже сгенерированной схемы. Сравнение конвейеров генерации схем на датасете PaperBananaBench.

Как установить PaperBanana?

Клонируйте репозиторий: git clone https://github.com/dwzhu-pku/PaperBanana.git Создайте виртуальное окружение с помощью uv: uv venv Установите необходимые пакеты: uv pip install -r requirements.txt Укажите API-ключ в configs/model_config.yaml, затем запустите веб-приложение Gradio: python app.py

Где скачать PaperBanana?

Исходный код и инструкции по установке — на GitHub: https://github.com/dwzhu-pku/PaperBanana