AI辅助学术论文配图：提升清晰度却损伤美学

在计算机视觉顶会论文的截稿前夕，许多科研人员都有过这样的经历：正文已经打磨完毕，可第一张图表仍停留在绘图软件中。微调箭头走向、统一色系编码、替换精准的示例，这些通宵的调整，往往决定了读者能否在数秒内抓住论文的核心。

随着生成式人工智能工具的普及，绘制架构图与动机图的门槛被大幅拉低。圆角边框、柔和色调、细致图标与流程卡片，迅速在顶会预印本中流行开来。但一个疑问也随之浮现：这种由模型辅助甚至直接生成的学术配图，究竟是让研究更具解释力，还是制造了视觉杂乱？

针对这一问题，南洋理工大学的研究团队展开了系统性的实证回顾，探讨了生成式AI时代下论文中动机图与架构图的设计特点。

视觉形式与科学本质的呼应

科学图表不仅是正文的装饰，更是科研想法的视觉化载体。经典的U-Net以“U形”拓扑展现多尺度下采样与跳跃连接，Transformer通过左右分离的编码器-解码器架构传达注意力机制，CLIP将对比预训练与零样本预测并列呈现——这些经典设计之所以成为里程碑，正是因为构图与科学本质形成了严格的拓扑对应。

在生成式AI时代，大模型能快速输出流程图与示意图，但也带来了直观的矛盾：精美的外观是否等同于高效的学术传达？

在现实论文中，单纯堆砌文字标签与装饰图标，虽能消除歧义，却会成倍增加读者的阅读负担；而过度追求极简，又可能隐去关键的数据流向。为理清这背后的真实效应，研究团队将视觉外观、制作来源、传达质量解耦，建立了多维度的量化评估基准。

评估体系与修改流程

为系统评估图表质量，研究团队构建了跨越10年（2016年至2026年）的学术图表语料库，涵盖200篇论文、371张动机图与架构图，并设计了六维度多模态评测标准与基于源信息约束的AI修改流程。

语料库由两个互补样本路径组成：主样本包含160篇论文（320张成对的动机图与架构图），采用严格的配额抽样设计，覆盖目标检测、图像分割、图像恢复与三维视觉等领域；另有风格对比样本，针对展现典型现代AI绘图风格的预印本进行筛选，用于分析特定排版范式的影响。

评估采用标准化的多模态大模型（由某大型语言模型驱动），对每张匿名处理的图表执行3次独立重复评审，共包含六个1-5分的维度：传达清晰度（核心问题、运算流与输入输出关系的易理解程度）、组织与可读性（视觉层次、排版密度与文字易读性）、图形一致性（颜色、符号、线条逻辑的统一性）、美学连贯性（字体、色彩、留白的协调程度）、目的性视觉创新（视觉手法对科学概念的解释力）、设计特异性（图表元素与科学问题的绑定程度）。

在修改实验中，研究团队为371张原图提取了原论文中的描述，结合初评缺陷形成修改方案，利用AI工具进行重绘。为杜绝学术幻觉，所有修改都受到严格约束：原始论文中的真实照片、分割掩码、热力图等像素级数据必须原样保留，同时进行因果拓扑与语义校验。最终，371次尝试中有369张通过了保真度审查，2张因修改遗漏关键分支或引入无依据的箭头被否决。

图表修改的效果博弈

基于369对成功修改并打分的图表，数据分析揭示了反直觉的结论。

回顾性分析显示，论文原图的评分并未随年份单调退化。主样本中，后期阶段的动机图在传达清晰度和组织结构上的均分高于早期阶段，但设计特异性的提升并未必然带来目的性视觉创新的同步增长——不少图表仍依赖通用模块框图表达特定算法。

在通过审查的修改图表中，各维度平均分呈现明显的权衡：传达清晰度由3.629提升至4.057，净增0.428；图形一致性净增0.111；设计特异性净增0.163；但美学连贯性由3.591跌落至3.480，净降0.111，79张图表出现美学降级；组织与可读性微降0.022；85.9%的图表保持目的性视觉创新不变。六维总均值仅微幅上升0.103，综合总分掩盖了清晰度跃升与美学下滑的冲突。

按图表类型细分，实验呈现不对称性：动机图的六维均值显著上升0.242，其中清晰度提升高达0.800，特异性提升0.306；而架构图的六维均值仅微增0.018，美学连贯性大幅下挫0.164，在AI风格对比样本中甚至出现倒退。

这一现象的技术成因直观：动机图用于呈现前人缺陷与核心思想对比，原本结构松散，模型补充对比标签与指引标注后，能极大改善信息传达；而架构图本身具有复杂的技术流向与模块层次，强行塞入解释性说明框与卡片，极易打破排版秩序，造成文字密度过载。

设计的得失案例

研究中的典型个案还原了这种设计博弈。

提升幅度最大的是过分割问题的动机图，原图仅提供几组候选框对比，缺乏直观引导，原均分2.67分；修改后，模型明确标出置信度碎片与整体目标选择的对比机理，清晰度升至4，特异性升至5，总均分4.33分。

而基准测试论文的架构图原版便达4.83分，修改后仅显式标注评估打分连线，六个维度全部达到5分满分。

但更多尝试暴露了AI辅助设计的瓶颈：比如修改模型在原有模块上方额外套用粗体大标题，重复子图标签，导致组织性从5跌至4；或将整体流程图缩减置于放大面板上，导致局部标题比总标题更突出，视觉权重倒置；或在已有丰富文本与拓扑的动机图下方追加3个文字注解框与总结句，虽未改变清晰度与组织性，却使美学和创新度双双由4分扣至3分。

学术绘图的自主与克制

这项研究给深度融入AI科研流程的学者提了醒：生成式AI可以提供布局与元素的探索空间，但绝不能替代作者对科学叙事的组织裁决。

盲目追求AI工具生成的“信息完备”，容易演变成无节制的信息堆砌，牺牲科学图表的简洁美感与清晰层级。当学术评审也借助多模态大模型时，若为迎合评测模型的视觉偏好修改配图，可能加剧学术配图的审美趋同与范式狭隘。

那些通宵调整连线位置与色块明暗的夜晚，本质是学者将复杂拓扑与逻辑转化为人类直觉的思考过程。在绘图工具愈发强大的今天，决定图表传达深度的，始终是研究者自身对科学真理的深刻理解与克制表达。