Diagram To Code Agent

🚀 图表转代码智能体（DiagramAgent/Diagram_to_Code_Agent）

本智能体旨在将给定的图表（可视化表示）转换为相应的结构化代码，为自动化图表编辑、逆向工程等场景提供可靠支持。

🚀 快速开始

你可以按照以下步骤使用该智能体：

from transformers import Qwen2VLForConditionalGeneration, AutoTokenizer, AutoProcessor
from qwen_vl_utils import process_vision_info

# 默认：将模型加载到可用设备上
model = Qwen2VLForConditionalGeneration.from_pretrained(
    "DiagramAgent/Diagram_to_Code_Agent", torch_dtype="auto", device_map="auto"
)

# 默认处理器
processor = AutoProcessor.from_pretrained("DiagramAgent/Diagram_to_Code_Agent")

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "your input",
            },
            {"type": "text", "text": "image path"},
        ],
    }
]

# 推理准备
text = processor.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
    text=[text],
    images=image_inputs,
    videos=video_inputs,
    padding=True,
    return_tensors="pt",
)
inputs = inputs.to("cuda")

# 推理：生成输出
generated_ids = model.generate(**inputs, max_new_tokens=8192)
generated_ids_trimmed = [
    out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
output_text = processor.batch_decode(
    generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text)

✨ 主要特性

• 功能强大：能够将现有的图表转换为结构化的代码表示，支持图表编辑工作流程，捕捉并保留图表的隐式逻辑结构和视觉细节。
• 应用广泛：可应用于自动化图表编辑、可视化图表的逆向工程以及增强数据可视化工具等场景。
• 架构先进：基于Qwen2-VL-7B模型进行训练，与检查智能体紧密协作，确保生成代码的准确性。

📚 详细文档

模型概述

• 名称：DiagramAgent/Diagram_to_Code_Agent
• 描述：该智能体的任务是将给定的图表（可视化表示）转换为相应的结构化代码。

预期用途

• 主要任务：
  • 将现有图表转换为结构化代码表示。
  • 为图表编辑工作流程提供可靠的代码基础，支持修改操作。
  • 捕捉并保留图表的隐式逻辑结构和视觉细节。
• 应用场景：
  • 自动化图表编辑：将图表转换为代码，以便进行后续修改。
  • 可视化图表的逆向工程：用于分析和复用。
  • 增强数据可视化工具：通过集成基于代码的图表表示。

架构和训练细节

• 基础模型：使用Qwen2-VL-7B模型，这是一个视觉语言融合模型。
• 训练过程：
  • 在DiagramGenBenchmark数据集中的各种图表样本上进行训练。
  • 目标是生成与参考代码高度一致的代码，确保准确捕捉所有图表元素。
  • 使用专门的损失函数来减少生成代码与参考代码之间的编辑距离。
• 模块交互：与检查智能体紧密协作，该智能体验证生成的代码并提供反馈以进行进一步优化。

信息表格

📄 许可证

本项目采用Apache-2.0许可证。

📚 引用

如果你觉得我们的工作有帮助，请引用以下论文：

@inproceedings{wei2024wordsstructuredvisualsbenchmark,
  title={From Words to Structured Visuals: A Benchmark and Framework for Text-to-Diagram Generation and Editing},
  author={Jingxuan Wei and Cheng Tan and Qi Chen and Gaowei Wu and Siyuan Li and Zhangyang Gao and Linzhuang Sun and Bihui Yu and Ruifeng Guo},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  year={2025}
}