什么是参考图生成配图？

它是 LabFig 的风格迁移模式。你上传两张图——你自己的内容科研配图，以及一张你想借用其外观的参考图——LabFig 会用参考图的视觉语言重画你的内容：它的配色、字体、箭头风格和方框处理方式。你得到的是换了外观的自己的数据，而不是参考图的复制品。

它复制的是数据，还是只复制外观？

只复制外观。LabFig 取用参考图的颜色、线条粗细、字体和排版规范，仅此而已。内容、面板、数字和标签都来自你作为自己内容上传的那张图——参考图绝不贡献它的主题内容，只贡献它的视觉风格。

什么样的参考图效果最好？

一张干净、高分辨率、视觉语言清晰一致的配图效果最好——配色分明、字体清楚、箭头与方框规范明显。杂乱的截图或低分辨率扫描件能让模型学习的信息更少。一张过硬的参考图，胜过几张相互冲突的参考图。

我能用自己以前的配图来匹配多面板论文吗？

可以——这是最常见的用法。把你已定稿的图 1 当作参考图，再把每个新面板作为内容上传。每个面板都会继承相同的配色、字体和箭头风格，于是整篇多面板论文或学位论文都能保持视觉一致，无需手动重排风格。

我借用一张参考图时，版权和授权怎么办？

只使用你有权使用的参考图——你自己的配图、实验室的成果，或你获授权可复用的素材。风格迁移借用的是视觉语言而非照搬内容，但你仍需负责尊重来源的授权并在需要时注明出处。拿不准时，就用你自己过往的作品作参考。

这和文字生成配图有什么区别？

文字生成配图从一段文字描述构建科研配图，没有图片输入。这个模式则从图片出发——你的内容加上一张风格参考图——它的任务是匹配你已有的外观。需要从零创建时用文字生成配图，需要让新内容贴合已有视觉标准时就用它。风格匹配完成后，你还可以用配图增强润色结果，或在矢量画布上微调后再导出。想了解更多做法，可以读读如何为机器学习论文制作 AI 配图。