知识卡片：一图适配多画布——基于智能体流水线的可编辑流程图重排（One Figure, Every Canvas: Editable Flowchart Relayout via Agentic Pipeline）

一句话结论

论文把“给定栅格流程图和目标宽高比，产出结构忠实、无幻觉、可编辑的重排布局”定义为独立任务，并用 Parse、Style、Layout 三阶段智能体流水线实现；在 100 个流程图、5 种宽高比的基准上，Content Fidelity 达到 68.6%，高于先前工作的 11.2%–41.4%。

事件概述或研究问题

• ML 论文中的 pipeline 图需要复用于论文栏、16:9 slides、竖版海报、1:1 社交 teaser、9:16 手机预览等不同画布。
• 同一计算图在不同格式下受到不同宽高比约束；任何连接被静默破坏，都会错误呈现方法。
• 既有方法呈现特征性失败：image-to-image 模型拉伸 block 并拒绝极端比例；text-to-image 智能体系统幻觉内容；parse-then-render 系统错路由边。
• 论文提出 aspect-ratio-adaptive flowchart relayout 任务：输入 raster flowchart 与 target ratio，输出 structurally faithful、hallucination-free、editable layout。

方法/产品要点

• 智能体流水线分解为 Parse、Style、Layout 三阶段。
• 每个阶段配一个 main agent 与一个 critic。
• critic 结合 deterministic constraint checks 与 VLM visual feedback。
• 连接性被显式检查，目标是防止 silently broken connection。
• 输出为 draw.io-editable mxGraph XML。
• 具体 parser、style 处理、layout 算法、critic 实现与 prompt 设计：待核实。

主要结果或产业意义

• 在 curated benchmark 上评估：100 个 flowchart，5 种 aspect ratio。
• 评估者：Gemini 3.1 Pro；并用 human judgments 验证。
• 本方法：68.6% Content Fidelity；先前工作：11.2%–41.4%。
• 潜在产业意义：若方法可泛化，可降低论文、演示、社交素材之间手工重排成本，并保留可编辑图结构；实际部署成本、速度、泛化性待核实。

为什么重要

• 它将“图表重排”从像素级拉伸或生成问题，转为结构保真与可编辑性约束下的 agentic 流程问题。
• 对学术传播、设计自动化与多画布内容适配有直接相关性：连接关系错误会误导读者对方法的理解。
• 与既有卡片无直接事实延续；本条增量在于展示“main agent + critic（确定性检查 + VLM 反馈）”在学术流程图重排中的组合，强调连接不被静默破坏。若后续出现同主题更新，可再补充与既有 agentic 流水线脉络的关系。

局限与不确定性

• 仅依据 arXiv 摘要与元数据，无法确认 benchmark 图来源、baseline 完整列表、Content Fidelity 的具体定义、人工验证规模与一致性、失败模式。
• 未确认代码、数据、模型是否公开，也未确认 draw.io/mxGraph XML 对复杂图表的保真边界。
• 摘要中“极端比例”“幻觉”“错路由”的具体阈值与案例：待核实。
• 使用 Gemini 3.1 Pro 与 human judgments 评测的细节：待核实。
• 作者、arXiv ID、发布时间、分类、项目页已由材料确认；其余实现细节待核实。

可用于图书/PPT/简报的角度

• 多画布内容复用：一张 pipeline 图如何适配论文、slides、海报、社交卡片与手机预览。
• 智能体质量控制：main agent 生成 + critic 审查的流水线模式。
• 混合验证：确定性约束检查与 VLM 视觉反馈结合，避免“看起来对但连接错了”。
• 可编辑输出：mxGraph XML / draw.io 作为可维护资产，而非不可编辑位图。
• 结构忠实优先：在生成式重排中，连接关系正确性比视觉相似度更关键。

原始材料

• 英文标题：One Figure, Every Canvas: Editable Flowchart Relayout via Agentic Pipeline
• arXiv ID：2610.06852v1
• Authors: Shih-Chen Tseng, Chih-Hsuan Chen, Ryan Yang, Hsi-An Chen, Chun-Wei Tuan Mu, Yu-Lun Liu
• Published: 2026-10-05T17:59:54Z
• Updated: 2026-10-05T17:59:54Z
• Primary category: cs.CV
• Categories: cs.CV, cs.AI
• Abstract URL: https://arxiv.org/abs/2610.06852v1
• PDF URL: https://arxiv.org/pdf/2610.06852v1
• Project page: https://onefigureeverycanvas.vercel.app/
• 英文关键词（原文未给出独立关键词表，以下据标题/摘要提取）：flowchart relayout; agentic pipeline; editable mxGraph XML; aspect-ratio-adaptive; content fidelity