paper banana
Google Cloud AI Research and Peking University · Bilder · Produktivität
PaperBanana ist ein Agenten-Framework, das aus reinem Text publikationsreife akademische Illustrationen erzeugt. Man gibt eine Methodenbeschreibung und eine Abbildungsunterschrift ein, und ein Team spezialisierter KI-Agenten liefert Methodendiagramme oder statistische Grafiken, wie sie für Konferenzen wie NeurIPS und ICML passen. Es ist ein Generator für akademische Illustrationen, der sich an Forschende richtet. Ebenso dient es als KI-Diagramm-Generator für Folien und technische Dokumentation. Es ist für KI-Wissenschaftler gedacht, die ihre Stunden lieber in Ideen stecken als in den Kampf mit Vektorwerkzeugen.
Über paper banana
Was ist PaperBanana
PaperBanana ist ein Multiagenten-System, das Google Cloud AI Research und die Peking-Universität entwickelt haben, um einen hartnäckigen Engpass der Forschung zu automatisieren: das Anfertigen von Abbildungen. Das Paper zu schreiben ist schon schwer genug. Ein sauberes Architekturdiagramm oder eine Grafik zu zeichnen, an der die Gutachter nichts auszusetzen haben, kann einen weiteren Tag fressen. Es ist die Art Werkzeug für Forschungsabbildungen, das das Zeichnen an die Maschine zurückgibt.
Das Framework verteilt die Arbeit auf fünf Agenten, die zusammenarbeiten. Ein Retriever zieht ähnliche Beispiele aus einer Referenzbibliothek, ein Planner liest den Methodentext und schreibt eine detaillierte Zeichnungsspezifikation, ein Stylist legt akademische Ästhetikregeln an, ein Visualizer rendert das Bild oder den Code, und ein Critic prüft das Ergebnis gegen den Originaltext und schickt es für eine weitere Runde zurück. Diese Schleife ist der Kern. Ein einzelnes Bildmodell rendert etwas Hübsches; PaperBanana prüft, ob dieses Etwas tatsächlich korrekt ist.
Die wichtigste Einschränkung gehört gleich vorweg gesagt. Bei dichten Diagrammen mit vielen Knoten kann das diffusionsbasierte Rendering Text verzerren oder Verbindungslinien falsch setzen, und datengenaue Grafiken sind noch immer fehleranfällig, wenn sie rein als Bild entstehen. Nicht ideal. Die Antwort des Teams ist ein codegesteuerter Weg für Grafiken, was zählt, wenn Ihre Abbildungen echte Zahlen tragen. Das Projekt begann als Forschungsarbeit, und Community-Implementierungen haben seither Zugang über CLI, Python-API und MCP-Server für Werkzeuge wie Claude Code und Cursor ergänzt.
Erste Schritte
- Öffnen Sie die Projektseite und klonen Sie das Repository, dann installieren Sie die Abhängigkeiten mit
pip install -r requirements.txt. - Tragen Sie die API-Schlüssel Ihres gewählten Anbieters in die Modelldatei ein. Community-Builds unterstützen OpenAI, Azure OpenAI oder Foundry, Google Gemini und Atlas Cloud.
- Bereiten Sie zwei Eingaben vor: den Ausgangskontext (den Methodenabschnitt Ihres Papers) und die kommunikative Absicht (die gewünschte Abbildungsunterschrift).
- Laden Sie optional einen Referenzsatz veröffentlichter Tripel (Methodentext, Unterschrift, Abbildung). Das mitgelieferte PaperBananaBench enthält 292 Referenzfälle aus NeurIPS 2025.
- Starten Sie die Generierung und wählen Sie das beste Ergebnis. Die Autoren empfehlen einen Ablauf aus Erzeugen und Auswählen: Erstellen Sie drei bis fünf Kandidaten und nehmen Sie den, der zum Stil Ihres Papers passt.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von paper banana.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- KI-Forschende und Doktoranden
- Laborteams, die mehrere Paper pro Jahr schreiben
- Forschende, die vorhandene Entwürfe aufpolieren
Aufgaben
- Ein Modellarchitekturdiagramm erstellen
- Statistische Grafiken erzeugen
- Konzeptrahmen-Abbildungen erstellen
Szenarien
- Der Abend vor einer Frist, wenn die Abbildungen das Letzte sind, was fehlt
- Eine grobe Skizze aus einem Konferenzvortrag in eine saubere Folienabbildung verwandeln
- Eine abgelehnte Einreichung überarbeiten
Wichtigste Funktionen
Pipeline aus fünf Agenten
PaperBanana führt Retriever, Planner, Stylist, Visualizer und Critic nacheinander aus. Jeder hat genau eine Aufgabe. Das hält die Ausgabe nah an Ihrem Text, statt in generische Stockbilder abzudriften. Der Critic schließt die Schleife, indem er die gerenderte Abbildung mit dem Ausgangsinhalt vergleicht und Abweichungen markiert.
Referenzgesteuerte Generierung
Mit geladenem Referenzsatz wählt der Retriever die zehn relevantesten veröffentlichten Beispiele, und der Stylist destilliert deren Farben, Formen und Typografie zu einem Stilhandbuch. Ihre Paper-Abbildungen übernehmen Konventionen aus echten Arbeiten Ihres Felds statt eines Mittels aus allem, was das Modell je gesehen hat.
Automatisierung von Methodendiagrammen
Aus einem Methodenabschnitt erzeugt das System die Art Architektur- oder Prozessabbildung, die man sonst in Figma oder TikZ baut. Es übernimmt Layout und Beschriftung, die ein Diagramm auf Anhieb lesbar machen, also den Teil, der meist am meisten Zeit kostet.
Statistische Grafiken mit Code
Bei Diagrammen, deren Zahlen stimmen müssen, schreibt und führt PaperBanana Python-Plot-Code aus, statt Pixel zu rendern. So bleiben Ihre Daten getreu. Sie erhalten zudem bearbeitbaren Matplotlib- oder Seaborn-Code, den Sie später anpassen können. Pixel sind hübsch; Zahlen gewinnen Begutachtungen.
Stilverbesserung für vorhandene Abbildungen
Sie können eine grobe Skizze einreichen und bekommen eine Fassung mit saubererem Layout und einheitlicher akademischer Gestaltung zurück. Das ist eine praktische Wahl, wenn die Wissenschaft steht und nur die Präsentation die Abbildung bremst. Kein Neuzeichnen nötig.
Unterstützung mehrerer Anbieter
Community-Builds verbinden sich mit OpenAI, Azure OpenAI oder Foundry, Google Gemini und Atlas Cloud. Gemini ist ein kostengünstiger Einstieg, und ein Anbieterwechsel ändert den Agentenablauf nicht.
CLI, Python-API und MCP-Server
Das Framework passt in Ihre Arbeitsweise: Stapelläufe aus einem YAML- oder JSON-Manifest, skriptgesteuerte Aufrufe aus Python oder ein MCP-Server, der an Claude Code und Cursor angebunden ist. Die Stapelgenerierung ist praktisch, wenn ein einzelnes Paper fünf Abbildungen auf einmal braucht, und der Auto-Refine-Modus iteriert weiter, wenn Sie Rückmeldung geben.
Vor- und Nachteile
Vorteile
- Die Abbildungsproduktion von Stunden auf Minuten senken, indem Sie das Diagramm beschreiben statt es zu zeichnen.
- Die Critic-Schleife findet Logikfehler und Widersprüche, die ein einmaliges Bildmodell übersieht.
- Referenzsätze halten die Abbildungen eines Papers visuell konsistent mit der Zielkonferenz.
- Der codegesteuerte Grafikweg bewahrt exakte Zahlen, sodass Ergebnisabbildungen datengenau bleiben.
- Open-Source-Implementierungen ergänzen CLI, Python-API und MCP-Zugang für bestehende Arbeitsabläufe.
Nachteile
- Komplexe Diagramme mit vielen Knoten können noch verzerrten Text oder falsche Verbindungslinien zeigen, jede Abbildung braucht also eine manuelle Prüfung vor der Einreichung.
- Die Hauptversion ist ein Forschungsframework, kein ausgereiftes Produkt, die Einrichtung bedeutet also, ein Repository zu klonen und API-Schlüssel selbst zu verwalten.
- Die volle Automatisierung hängt davon ab, dass Sie eine klare Methodenbeschreibung schreiben; eine vage Eingabe liefert eine vage Abbildung.
Häufige Fragen
Es verwandelt eine Textbeschreibung Ihrer Forschungsmethode in publikationsreife Illustrationen und deckt zwei Haupttypen ab: Methodendiagramme und statistische Grafiken. Sie liefern den Methodentext und eine Unterschrift, und die Agenten-Pipeline gibt die fertige Abbildung zurück.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu paper banana.
Alternativen zu paper banana
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
Tractionwave
TractionWave · Bilder · MarketingTractionWave erstellt per KI eine Aufmerksamkeits-Heatmap für statische Anzeigen. Sie laden ein PNG oder JPG hoch und bekommen prognostizierte Aufmerksamkeit, sortierte Hotspots und Korrekturen, bevor Budget fließt.
Imejis.io
Imejis.io · Bilder · MarketingImejis.io ist ein KI-Designstudio für Agenten und Marketingteams. Sie beschreiben ein Bild in eigenen Worten, und das Werkzeug schreibt den Text, baut das Layout, passt es an jedes Format an und exportiert die fertige Datei.