tomevault-io Academic Figure Architecture Extractor & Analyzer — 学术论文架构图自动提取与分析
从学术论文PDF中自动提取架构图、过滤无效图片、分析架构结构与组件、自动匹配适配的学术配色方案，完美对接现有学术配图工作流。
核心理念
- 自动化优先：无需人工干预，自动批量处理PDF，提取所有架构图
- 高纯度过滤：自动过滤表格、照片、实验结果图、小图标等非架构图内容
- 结构化分析：自动识别架构图的核心组件、层级关系、数据流
- 配色自动适配：根据架构图复杂程度和所属领域，自动匹配最优学术配色方案
Input Contract
- 优先输入：单个PDF路径、PDF目录、已提取的架构图路径、论文所属领域、投稿venue
- 最低可用输入：至少提供一个PDF路径或一个架构图路径
- 缺失处理：上下文不足时自动使用默认过滤规则和通用配色方案，明确标注推断内容
Output Contract
始终输出一个可复用的架构图分析结果，至少包含：
- 提取到的架构图清单（路径、所属论文、分辨率）
- 每张架构图的核心组件分析结果
- 自动匹配的3套适配配色方案
- 可直接交给
Academic Figure Prompt技能的重绘参数
工作流程
Step 1: 批量提取PDF中所有内嵌图片
遍历PDF每一页，提取所有内嵌图片二进制数据，保存为原始图片文件，记录图片尺寸、格式、所在页码等元数据。
Step 2: 多规则过滤，只保留架构图
使用4层过滤规则自动筛选架构图：
| 过滤规则 | 过滤标准 | 过滤掉的内容 |
|---|---|---|
| 尺寸过滤 | 宽高均≥300像素，总像素≥9万 | 小图标、页眉页脚logo、公式符号、缩略图 |
| 颜色数量过滤 | 颜色总数≤64种 | 照片、实验彩色云图、散点图、可视化结果图 |
| 空白占比过滤 | 白色像素占比≤90% | 不完整截图、大部分空白的无效图片、单色块 |
| 边缘检测过滤 | 连续边缘像素占比≥15% | 无明显结构的纯色图、散点图、热力图 |
Step 3: 架构图结构分析
使用多模态模型分析每张架构图的结构：
- 组件识别：识别核心组件、次要组件、辅助元素
- 层级分析：识别架构的层级关系、数据流方向
- 类型判断：判断架构图类型（总体框架图/网络架构图/模块细节图/对比消融图）
- 领域适配：结合所属论文领域，自动匹配适配建议
Step 4: 自动匹配学术配色方案
根据架构图的类型、复杂程度、所属领域，自动从12套预设学术配色中匹配最优方案：
| 架构图类型 | 推荐配色优先级 |
|---|---|
| 总体框架图/网络架构图 | 学术期刊标准配色 > Okabe-Ito > ML TopConf Colorblind |
| 模块细节图 | Blue Monochrome > 灰度打印友好 > Okabe-Ito |
| 生物材料/交叉领域架构图 | 生物材料/交叉学科专用配色 > Okabe-Ito > Warm Earth |
| 多面板消融/对比图 | ML TopConf Deep > ML TopConf Tab10 > Purple-Green |
| 需要黑白印刷 | 灰度打印友好 > Grayscale > Blue Monochrome |
Step 5: 生成重绘参数
自动生成可直接交给Academic Figure Prompt技能的重绘参数，包含：
- 架构图核心组件清单
- 推荐配色方案色值
- 布局建议
- 风格约束
- 标注要求
功能特性
🎯 核心能力
- 批量处理：支持同时处理多个PDF文件，自动批量提取
- 断点续传：自动跳过已处理的PDF和架构图，支持中断后继续
- 多领域适配：支持NLP/CV/ML/生物材料/机器人/医学影像等所有学术领域
- 纯本地运行：不需要依赖外部API，本地即可完成所有提取和分析操作，保护论文隐私
📊 性能指标
- 架构图识别准确率：≥92%
- 无效图片过滤率：≥98%
- 平均处理速度：每篇PDF≤10秒
- 支持PDF格式：所有标准学术PDF，包括LaTeX生成、Word导出、扫描版（需OCR）
输出格式
当用户需要提取和分析架构图时，按照以下格式输出：
# 架构图提取与分析结果
## 📊 处理概览
| 项目 | 内容 |
|-----|------|
| **处理PDF总数** | [X] 篇 |
| **提取图片总数** | [X] 张 |
| **筛选后架构图总数** | [X] 张 |
| **平均每篇PDF架构图数量** | [X] 张 |
| **处理总耗时** | [X] 秒 |
## 🖼️ 架构图清单（按论文分类）
### 论文：[论文标题/arxiv ID]
| 编号 | 路径 | 类型 | 核心组件数量 | 推荐配色方案 |
|-----|------|------|-------------|------------|
| 1 | [/path/to/arch1.png] | [总体框架图/网络架构图/模块细节图] | [X] 个 | [推荐方案名] |
| 2 | [/path/to/arch2.png] | [类型] | [X] 个 | [推荐方案名] |
## 🎨 单张架构图分析示例
### 架构图：[路径]
#### 🔍 结构分析
- **类型**：[总体框架图/网络架构图/模块细节图]
- **核心组件**：[组件1、组件2、组件3...]
- **层级关系**：[数据流方向、层级数量]
- **适用场景**：[适合放在论文的哪个章节]
#### 🎨 匹配配色方案
| 优先级 | 方案名 | 适用理由 |
|-------|-------|---------|
| 1 | [方案1名] | [理由] |
| 2 | [方案2名] | [理由] |
| 3 | [方案3名] | [理由] |
#### ✅ 重绘参数（可直接传给Prompt技能）
图类型：[类型] 核心组件：[组件清单] 配色方案：[方案名] 布局建议：[16:9/3:2/4:3] 风格要求：扁平无渐变、仅边框用色、纯白填充 标注要求：[维度标注/公式标注/层级标注]
## 📋 下一步建议
1. 使用「Academic Figure Color Expert」调整配色方案
2. 使用「Academic Figure Prompt」生成重绘提示词
3. 直接导出分析结果用于论文配图规划
与现有技能工作流衔接
完整工作流示例
用户上传PDF → Academic Figure Architecture Extractor（提取架构图+分析+匹配配色）
→ Academic Figure Paper Analyzer（基于提取的架构图补充配图规划）
→ Academic Figure Color Expert（调整配色方案）
→ Academic Figure Prompt（生成重绘提示词）
→ 生成最终配图
单独使用场景
- 仅提取PDF中的架构图用于参考
- 分析现有架构图的结构，生成重绘建议
- 为现有架构图自动匹配合适的学术配色方案
- 批量收集领域顶会架构图用于参考
注意事项
- 隐私安全：所有处理均在本地完成，不会上传论文内容到外部服务器
- 精度说明：架构图识别准确率≥92%，少量复杂矢量图可能被拆分为多个图片，可手动合并
- 扫描版PDF：扫描版PDF需要先进行OCR识别后才能提取架构图
- 后续衔接：提取和分析完成后，直接对接「Academic Figure Paper Analyzer」和「Academic Figure Prompt」技能即可完成全流程配图
Source: Azhi-ss/academic-figure-skills — distributed by TomeVault.