dwzhu-pku/PaperBanana

这是什么？

核心功能

• 01五个智能体组成流水线，覆盖检索、规划、风格调整、出图和审查。
• 02从 PaperBananaBench 数据集中检索少样本参考案例。
• 03Critic 与 Visualizer 多轮迭代，逐步改进图像。
• 04Streamlit 界面可并行生成最多 20 个候选图，并可放大至 2K 或 4K。
• 05支持 Google Gemini 和 OpenRouter 作为模型服务。
• 06命令行工具提供多种可选的实验模式。

适用场景

• 根据论文方法描述和图注起草架构图或方法示意图。
• 一次生成多张候选图，从中挑选适合投稿的版本。
• 将已生成的示意图放大到高分辨率或做局部修改。
• 使用 PaperBananaBench 数据集评测示意图生成流程。

快速上手

1. 1

   克隆仓库

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

   使用 uv 创建虚拟环境

   uv venv
3. 3

   安装所需依赖包

   uv pip install -r requirements.txt
4. 4

   在 configs/model_config.yaml 中设置 API 密钥，然后启动 Gradio 网页应用

   python app.py

使用前须知

• !需要 OpenRouter 或 Google Gemini 的 API 密钥，使用依赖外部模型服务。
• !生成结果的可靠性仍有限，作者称在更可靠、更多样的生成方面仍有很长的路要走。
• !若要同时生成大量候选图，需要支持高并发的 API 密钥。

标签

常见问题

PaperBanana 是什么？

一个多智能体框架，可根据论文方法描述和图注自动生成学术风格的示意图与统计图。 PaperBanana 是一个基于参考样例的多智能体框架，用于自动生成学术论文插图。输入方法部分的文字和图注后，它会依次调用 Retriever、Planner、Stylist、Visualizer 和 Critic 五个智能体：检索相近的参考图，规划图示内容，按学术审美调整描述，生成图像，再由 Critic 审查并驱动多轮迭代修改。

PaperBanana 可以免费使用吗？用的什么许可证？

PaperBanana 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

PaperBanana 还在维护吗？

活跃维护中。PaperBanana 最近一次提交是在 2026年10月19日。

PaperBanana 适合用来做什么？

根据论文方法描述和图注起草架构图或方法示意图。 一次生成多张候选图，从中挑选适合投稿的版本。 将已生成的示意图放大到高分辨率或做局部修改。 使用 PaperBananaBench 数据集评测示意图生成流程。

PaperBanana 怎么安装和运行？

克隆仓库: git clone https://github.com/dwzhu-pku/PaperBanana.git 使用 uv 创建虚拟环境: uv venv 安装所需依赖包: uv pip install -r requirements.txt 在 configs/model_config.yaml 中设置 API 密钥，然后启动 Gradio 网页应用: python app.py

在哪里获取 PaperBanana？

源代码和安装说明在 GitHub 上：https://github.com/dwzhu-pku/PaperBanana