面向科研绘图的 Windows PPT 插件,支持图片标题与标签、图片排列、格式复制、Markdown 与 LaTeX 插入等。
potamides/DeTikZify
一个多模态大模型,可将科研插图或手绘草图转换为可编译的 TikZ/LaTeX 绘图代码。
- Star
- 1,828
- Fork
- 93
- 未关闭 Issue
- 17
- 最近提交
- 2个月前
这是什么?
DeTikZify 是一个多模态语言模型,可根据草图或已有插图合成 TikZ 绘图程序。它的目标是帮助用户从粗略手绘快速得到科研图表,或把仅以图片形式存在、缺少原始语义信息的图形重新还原为可编辑的代码。
项目提供 Python 包和推理接口,可生成单个 TikZ 程序、编译并栅格化结果,还能在限定时间内运行基于 MCTS 的推理流程,无需额外训练即可迭代优化输出。通过 TikZero 适配器和 TikZero+ 模型,它也支持根据文本描述生成图形,并附带可从命令行启动的 Web 界面。
使用前需要安装完整的 TeX Live 2023、ghostscript 和 poppler。模型权重与 DaTikZ 数据集托管在 Hugging Face Hub 上,也可直接使用 Hugging Face Space 的在线演示。
核心功能
- 01可根据手绘草图或插图图片生成 TikZ 绘图代码。
- 02支持编译并栅格化生成的 TikZ 代码以便预览。
- 03采用基于 MCTS 的推理方式迭代优化结果,无需额外训练。
- 04通过 TikZero 适配器支持根据文本描述生成图形。
- 05提供可从命令行启动的 Web 界面和示例脚本。
适用场景
- 将手绘示意图转换为可编辑的 LaTeX 图形代码,用于论文撰写。
- 重新还原仅以图片形式存在的科研插图。
- 探索文本到 TikZ 的生成方法,用于学术插图制作。
快速上手
- 1
使用 pip 安装 Python 包
pip install 'detikzify[legacy] @ git+https://github.com/potamides/DeTikZify' - 2
通过系统包管理器安装完整的 TeX Live 2023、ghostscript 和 poppler
- 3
从命令行启动网页界面
python -m detikzify.webui --light
使用前须知
- 除 pip 包外,还需要完整安装 TeX Live 2023、ghostscript 和 poppler。
- README 指出 Colab 免费版只支持 1b 模型,因此 8b 模型需要较强的硬件。
- 基于 TikZero 的文本条件生成目前只能通过编程接口使用,网页界面不支持。
标签
常见问题
- DeTikZify 是什么?
- 一个多模态大模型,可将科研插图或手绘草图转换为可编译的 TikZ/LaTeX 绘图代码。 DeTikZify 是一个多模态语言模型,可根据草图或已有插图合成 TikZ 绘图程序。它的目标是帮助用户从粗略手绘快速得到科研图表,或把仅以图片形式存在、缺少原始语义信息的图形重新还原为可编辑的代码。
- DeTikZify 可以免费使用吗?用的什么许可证?
- DeTikZify 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。
- DeTikZify 还在维护吗?
- 半年内有更新。DeTikZify 最近一次提交是在 2026年9月17日。
- DeTikZify 适合用来做什么?
- 将手绘示意图转换为可编辑的 LaTeX 图形代码,用于论文撰写。 重新还原仅以图片形式存在的科研插图。 探索文本到 TikZ 的生成方法,用于学术插图制作。
- DeTikZify 怎么安装和运行?
- 使用 pip 安装 Python 包: pip install 'detikzify[legacy] @ git+https://github.com/potamides/DeTikZify' 通过系统包管理器安装完整的 TeX Live 2023、ghostscript 和 poppler 从命令行启动网页界面: python -m detikzify.webui --light
- 在哪里获取 DeTikZify?
- 源代码和安装说明在 GitHub 上:https://github.com/potamides/DeTikZify
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
开源多模态模型系列(MiniCPM-V 4.7 与 MiniCPM-o 4.5),可在本地与端侧设备上理解图像、视频、文档和语音。
一个开源工具包,可用一条命令在多个多模态基准上评测大型视觉语言模型。
Hugging Face 推出的紧凑型开源语言模型(SmolLM)与视觉语言模型(SmolVLM),面向端侧运行。
一个 9B 参数的开源多模态大模型,面向视觉理解、空间推理、智能体工具调用和具身智能研究。
一个用于构建多模态语言智能体的 Python 库,可处理文本、图像、视频和音频输入。