論文ビジュアライザー
バランスと低コストならNano Banana 2.1、文字・数式・ラベルの多い図ならGPT Image 2.6。推論と評価はGemini 3.8 Flashが担当し、Plotは隔離サンドボックスでmatplotlibコードを描画します。
PaperBanana Paper Visualizerは、研究論文のテキストや生データを出版品質の科学図表や統計プロットに変換するAIツールです。マルチエージェントパイプラインと反復AIレビューにより、手法フローチャート、アーキテクチャ図、棒グラフ、散布図などを自動生成。論文、学位論文、ポスター、プレゼンテーションに専門的な図表が必要な研究者、博士課程の学生、学術関係者向けに設計されています。
搭載モデル：Nano Banana 2.1 / GPT Image 2.6（画像生成）+Gemini 3.8 Flash（テキスト推論・評価）
生成準備完了
左側パネルに論文テキストとキャプションを貼り付け、生成をクリックしてください。パイプラインが概念を抽出し、図を計画、生成、AI批評ループで改善します。
使い方
01
コンテンツを貼り付ける
図表モード：論文から手法やアルゴリズムのセクションを貼り付けてください。プロットモード：JSONまたはCSV形式の生データを貼り付け、希望するビジュアライゼーションを説明してください。
02
7エージェントAIパイプライン
7つの専門エージェントが協力：Retrieverが200+の論文から参考図を検索、Plannerがレイアウトを設計、Stylistが学術的な美しさを向上、Visualizerが図を生成、Criticが複数ラウンドのレビューで改善します。
03
ダウンロード＆出版
高解像度の出版品質の図表を取得。各生成には反復的な改善が含まれ、AIが複数ラウンドにわたって図の品質を向上させます。
主な機能
手法図表
テキスト記述からモデルアーキテクチャ図、システムパイプライン、エンコーダ・デコーダフレームワーク、アルゴリズムフローチャート、研究フレームワーク概要図を生成。
統計データプロット
データからmatplotlibコードを生成し、隔離サンドボックス内で300 DPIの統計グラフを描画します。Plotは画像モデルを使用しません。
マルチラウンドAIレビュー
Criticが各結果を評価し、後続ラウンドの改善案を提示します。最終的な図は研究内容と照合してください。
参考文献駆動デザイン
Retrieverエージェントが200+の学術論文から類似の図を検索し、スタイルとレイアウトの決定に反映させ、本物の学術的美しさを確保。
ユースケース
- ✓深層学習論文のTransformerアーキテクチャ図を生成
- ✓実験結果からパフォーマンス比較棒グラフを作成
- ✓ソフトウェア工学研究のシステムパイプラインを可視化
- ✓サーベイ・レビュー論文のフレームワーク概要図をデザイン
- ✓学習曲線、アブレーション研究、統計分析をプロット
- ✓統一されたスタイルのポスター向け学術図表を作成
モデルとラウンド単位の料金
Nano Banana 2.1 は1ラウンド 10クレジット、GPT Image 2.6 は 15クレジットです。Plot は画像モデルを使わず、1ラウンド 10クレジットです。選択したラウンド数で事前に引き落とし、未使用分は自動返還します。画像編集は選択モデルの1ラウンド分です。
よくある質問
図表モードとプロットモードの違いは？
図表モードはAI画像生成を使用して、テキスト記述からビジュアルイラスト（アーキテクチャ図、フローチャート、パイプライン可視化など）を生成します。プロットモードは生データからmatplotlibコードを生成・実行して統計チャート（棒グラフ、折れ線グラフ、散布図など）を作成します。
7エージェントパイプラインはどのように機能しますか？
パイプラインは7つの専門AIエージェントで構成：Retrieverが学術論文から参考図を検索、Plannerがレイアウトを設計、Stylistが学術的美しさを適用、Visualizerが画像やコードを生成、Criticがレビューし改善を提案、Vanillaがベースライン版を提供、Polishが最終調整を行います。
生成にはどのくらい時間がかかりますか？
ほとんどの図は2-5分で生成されます（レビューラウンド数により異なります）。各ラウンドで複数のエージェントが協力するため時間はかかりますが、単一パス生成より大幅に良い結果が得られます。
生成した図を論文で使用できますか？
正確性と投稿先のAIポリシーを確認したうえで、論文・ポスター・発表に使えます。画像モデルは2Kラスター画像（例：16:9で2752×1536）、Plotは300 DPIです。
クレジットの課金方法は？
Nano Banana 2.1 は1ラウンド 10クレジット、GPT Image 2.6 は 15クレジットです。Plot は画像モデルを使わず、1ラウンド 10クレジットです。選択したラウンド数で事前に引き落とし、未使用分は自動返還します。画像編集は選択モデルの1ラウンド分です。
プロットモードでサポートされるデータ形式は？
PlotはJSONまたはCSV形式のデータを受け付けます。軸、グループ、比較したい内容を指定すると、AIがmatplotlibコードを生成して隔離サンドボックスで実行します。結果の数値と軸の尺度を確認してください.