1.背景

在科研论文的撰写过程中，经常会遇到需要绘制某些传统的架构。这些架构图在大多数使用到的论文中，绘制方式基本上都是如出一辙的，因此如何更高效的绘制这些图，是一件十分重要的事情。当然，现在市面上有很多可以生成直接生成科研图的模型，例如Gemini、GPT等多模态模型，他们都可以直接生成科研图，如果给上参照图效果基本上也都很好。但是在我尝试使用时发现，这些模型在生成图过程中其实都存在一定的瑕疵。以下是我尝试采用Gemini参照TCN架构原图生成的架构图：

• 原图

• Gemini生成图

可以看到，Gemini生成的图与原图在右上角的符号处有一定的区别，同时Gemini在字符边缘和背景部分总是会出现泛白的情况（当然，这张图生成得已经非常不错了）。同时如果要在原图的基础上进行一定的修改，那么Gemini在修改的过程中生成图的效果会原来越差，并且只能导出PNG格式，需要自行转svg格式。

因此，我希望能够找到一种更高效的生成科研图的方法，能够在保证初次生成的质量的同时，还能够更加灵活的进行编辑修改。

2.解决方案

可以使用Github上一个开源项目next-ai-draw-io来解决这个问题。它可以根据用户提供的图片描述，自动在画布生成可编辑的图形。

如果你不考虑进行本地部署，可以像我一样直接访问项目的release页面（next-ai-draw-io-release，下载对应的版本，直接安装运行即可。

配置步骤：

1.打开软件，在右下角可以看到对话框，对话框下面可以进行模型的配置。

2.点击“添加供应商”，然后配置对应的api地址以及模型即可，模型列表在每个供应商的开放平台都有说明。

3.使用右下角的对话框进行图片描述或者上传示意图，然后点击发送，他就会自动思考帮你生成对应的xml文件并且显示在画布上。（如果你配置的模型不支持图片输入，那么你需要先获取到优质的图片描述，然后以文字的形式上传到软件中。）

例如：我先使用了kimi的k2.6模型，然后上传了架构原图然后让他帮我进行描述，他生成的图片描述如下：

## 图片整体布局

这张图采用**左右分栏布局**，左侧展示 TCN 的**膨胀因果卷积的层级结构**，右侧展示**TCN 残差块（Residual Block）的内部结构**。两图之间有视觉连接线（蓝色引线）关联。

---

## 左侧：膨胀因果卷积层级结构（Dilated Causal Convolution）

这是一个**纵向堆叠的时序卷积可视化图**，展示输入序列如何经过多层膨胀卷积逐步提取特征并输出预测。

### 结构层次（从下到上）：

| 层级 | 标注 | 特征 |
|------|------|------|
| **最底层** | Input | 输入序列，标注为 $x_1, x_2, \ldots, x_{t-1}, x_t$ |
| **第一层** | Hidden Layer, $d=1$ | 膨胀率 $d=1$（标准卷积，感受野为 2） |
| **第二层** | Hidden Layer, $d=2$ | 膨胀率 $d=2$（间隔采样，感受野扩大） |
| **第三层** | Hidden Layer, $d=4$ | 膨胀率 $d=4$（更大间隔，感受野进一步扩大） |
| **最顶层** | Output | 输出序列，标注为 $y_1, y_2, \ldots, y_{t-1}, y_t$ |

### 视觉元素：

- **节点表示**：每个时间步用小方块表示，填充色为**浅蓝色**，边框为**深蓝色**
- **卷积核**：每层中参与计算的节点用**深蓝色填充**突出显示
- **连接线**：用**蓝色斜线**表示因果连接（当前输出只依赖过去和当前的输入）
- **因果特性**：每一层的输出节点只与**左侧（过去）及自身位置**的输入节点相连，不与右侧（未来）相连
- **膨胀效果**：随着 $d$ 增大，深蓝色节点之间的间隔变大，但覆盖的历史范围更广

---

## 右侧：TCN 残差块（TCN Residual Block）

这是一个**详细的模块内部结构图**，展示单个残差块的数据流。整体呈**纵向流程图**样式，从下到上处理。

### 输入输出：
- **Input**（底部进入）→ **Output**（顶部输出）

### 内部数据流（从下到上）：


Input
  │
  ├──→ [主路径] ─────────────────────────┐
  │                                      │
  ▼                                      │
┌──────────────┐                         │
│ Dilated Conv1 │  ← 第一层膨胀卷积        │
│  (BatchNorm)  │  ← 批归一化（粉色块）     │
│    (ReLU)     │  ← 激活函数（浅绿块）     │
│   (Dropout)   │  ← 正则化（浅黄块）       │
└──────────────┘                         │
  │                                      │
  ▼                                      │
┌──────────────┐                         │
│ Dilated Conv2 │  ← 第二层膨胀卷积        │
│  (BatchNorm)  │                         │
│    (ReLU)     │                         │
│   (Dropout)   │                         │
└──────────────┘                         │
  │                                      │
  ▼                                      │
[ ⊕ ] ← 残差连接（Add）───────────────────┘
  │
  ▼
Output


### 旁路（Skip Connection）：
- **Input** 通过一条横向的 **[Conv1D]** 模块（浅蓝色块）直接连接到顶部的 **[⊕]** 加法节点
- 这是**1×1 卷积**，用于调整输入维度以匹配主路径输出，实现恒等映射或维度变换

### 颜色编码：

| 模块类型 | 颜色 | 具体模块 |
|---------|------|---------|
| 卷积层 | 浅蓝/白色 | Dilated Conv1, Dilated Conv2, Conv1D |
| 归一化 | **粉红色** | BatchNorm |
| 激活函数 | **浅绿色** | ReLU |
| 正则化 | **浅黄色/米色** | Dropout |
| 残差加法 | 圆形 ⊕ | 输出节点 |

---

## 两图的关联

- 左侧图中的 **"Hidden Layer"** 和 **"Temporal Block"** 标签通过**蓝色引线**指向右侧的残差块
- 表明：左侧的每一层 Hidden Layer 实际上由右侧所示的 TCN Residual Block 构成

3.效果展示

可能是因为我获取的图片描述信息还不够细致，初始生成的效果还比较一般，但是他像传统的draw.io一样支持手动编辑，用来生成初期模板效果还不错。