논문을 그림으로 변환,
페이지 단위로.

네. 미발표 초안은 전적으로 본인 것입니다.

• 제로 AI 학습: 업로드된 PDF는 오직 생성 프롬프트를 만들기 위해서만 읽힙니다. 절대로 모델 학습에 재활용되지 않습니다.
• 기본값으로 초안 안전: 출판 전 원고, 기밀 그랜트 초안, 엠바고된 데이터 — 모두 다른 업로드와 동일하게 처리됩니다. 예외 없습니다.
• 삭제는 본인 권한: 업로드한 PDF는 언제든 서버에서 제거할 수 있습니다. 원하지 않으면 보존하지 않습니다.

원고를 버리세요. SciFig PDF 그림으로 읽습니다. 그래픽 요약을 얻을 수 있습니다.

• 원고는 안으로, 시각적으로는 밖으로: 40페이지의 글쓰기 후에 빈 캔버스를 응시하지 마십시오. PDF 초안을 업로드하세요. LLM은 논문을 읽고 생성 프롬프트 초안을 작성하여 몇 분 안에 단일 패널 그래픽 초록을 생성합니다.
• 당신의 각도, 당신의 프롬프트: 원고는 과학을 설정합니다. 귀하의 프롬프트가 강조점을 설정합니다. "분석 컨트롤이 아닌 핵심 메커니즘에 초점을 맞춥니다"와 같은 줄을 추가하고 각도가 원하는 대로 될 때까지 재생성합니다.
• 요청 시 저널 작성 가능: 출력은 기본적으로 고해상도 래스터입니다. 대상 저널이 편집 가능한 레이어를 요청할 때 한 번의 클릭으로 SVG/PPTX로 벡터화됩니다.

귀하의 초록이면 충분합니다. 포스터가 나옵니다.

• 추상 우선 작업 흐름: 초록을 PDF 및 SciFig PDF로 붙여넣어 텍스트를 읽고 헤드라인 검색 결과 주위에 포스터의 시각적 비계 초안을 작성합니다.
• 인쇄 불가 - 야간 패닉: 컨퍼런스 전날 밤에 쟁탈전을 벌이는 대신 몇 분 만에 포스터 초안을 생성할 수 있습니다. 전체 레이아웃을 재구성하지 않고 섹션을 다시 생성합니다.
• 중요한 부분을 다듬으세요: 인쇄소 마감 전에 PowerPoint의 제목, 소속, QR 코드를 직접 수정해야 할 때 PPTX로 벡터화하세요.

SciFig에 Methods만 가리키세요. 다이어그램만 받습니다.

• 섹션 선택형 집중: 논문 전체를 넣을 필요 없습니다. PDF를 업로드하고 Methods 섹션만 읽으라고 알려 주세요 — 서론, 결과, 논의는 프롬프트 작성 시 무시됩니다.
• 순서 보존: 선형 워크플로, 분기 프로토콜, 다중 플레이트 분석 — Methods가 설명하는 무엇이든 생성된 다이어그램은 단계 순서를 그대로 유지합니다.

초안을 승인하고 로드맵을 승인합니다. 마감일은 그대로입니다.

• 제안 인식 읽기: 제안서 초안 또는 LOI를 업로드합니다. SciFig는 구체적인 목표, 연구 계획 및 타임라인 언어를 읽은 다음 목표, 종속성 및 이정표를 보여주는 시각적 로드맵 초안을 작성합니다.
• 용어, 동일한 그림: 이를 "연구 로드맵", "기술 로드맵" 또는 "특정 목표 수치"라고 부릅니다. 생성된 다이어그램은 동일한 작업을 다룹니다. 추가된 프롬프트를 통해 축, 스윔 레인 또는 위상 색상을 조정하세요.
• 리뷰어별 수정: 리뷰어가 더 명확한 목표 3을 원하시나요? 전체 그림 대신 해당 패널만 재생성합니다. 재제출 마감일을 그대로 유지합니다.

읽기 목록에 있는 모든 논문은 바로 대화 가능한 인포그래픽이 됩니다.

• 읽기 목록 친화적: 검토 중이거나 참조 중인 논문을 업로드하세요. LLM은 핵심 결과를 일반 언어 프롬프트로 추출한 다음 해당 프롬프트에서 새로운 인포그래픽을 그립니다.
• 토크, 강의실, 과학 커뮤니케이션: 컨퍼런스 강연, 연구실 회의, 교육 슬라이드, 대중 과학 기사의 흐름이 동일합니다. 출력은 요약을 바탕으로 작성된 새로운 시각적 자료로, 소스에서 어떤 수치도 나오지 않습니다.
• 원스텝 귀속: 프롬프트에 "[저자, 연도]에서 채택된 귀속 줄 포함"을 입력하면 SciFig가 그림에 직접 인용을 렌더링합니다. 생성 후 캔버스 편집이 필요하지 않습니다.

PDF 하나에서 여러 과학 도형이 나옵니다. SciFig PDF-to-Figure는 한 번에 한 섹션씩 처리합니다.

• 섹션 선택형 집중: SciFig에 어느 섹션을 읽을지 알려 주세요 — Methods, Results, Discussion, Specific Aims, 단일 단락도 가능합니다. LLM은 프롬프트 작성 시 나머지를 무시합니다.
• 한 번의 업로드로 도형 세트: 같은 PDF에 다른 섹션 타깃을 넣어 도형 라인업을 채우세요 — abstract에서 그래픽 초록, Methods에서 방법 다이어그램, Results에서 워크플로, Aims에서 로드맵까지.

업로드는 과학을 공급하고, 프롬프트는 관점을 공급합니다.

• PDF는 콘텐츠: 논문에 들어 있는 메커니즘, 데이터, 방법 — 이것이 LLM이 생성 프롬프트를 만들 때 읽는 내용입니다. 과학을 다시 입력할 필요가 없습니다.
• 프롬프트는 방향타: 출력 방향을 잡으려면 한 줄을 추가하세요: "하류 효과가 아니라 인산화 캐스케이드를 강조해", "2단 레이아웃, 에디토리얼 팔레트", "통계 패널은 생략". 방향 지정이 없으면 SciFig 기본 해석을 받게 됩니다.

세대당 하나의 PDF — 이것이 현재 제한입니다.

• 단일 파일 집중: 한 번에 하나의 PDF를 사용하면 LLM이 단일 문서의 콘텐츠에 집중할 수 있습니다.
• 다시 실행: 각 세대마다 다른 PDF를 업로드하세요. 모든 결과는 쉽게 비교할 수 있도록 하나의 프로젝트에 그룹화되어 있습니다.
• 여러 소스 합성: 여러 논문에서 가져온 하나의 그림이 필요합니까? 먼저 핵심 사항을 직접 요약한 다음 Text-to-Figure를 사용하여 요약에서 생성하세요.

파일당 20MB. 페이지 캡이 없습니다. OCR 설정이 없습니다.

• PDF당 최대 20MB: 그림이 많은 논문을 포함하여 거의 모든 저널 기사를 포함합니다. (참고: 100MB가 넘는 교과서의 경우 먼저 장별로 분할하세요.)
• 페이지 제한 없음: 긴 리뷰, 논문, 교과서 장 — LLM은 N 페이지를 자르는 대신 끝에서 끝까지 읽습니다.
• OCR 적응형: 1990년대 스캔된 PDF와 디지털 네이티브 내보내기가 모두 작동합니다. OCR을 직접 실행할 필요는 없습니다. LLM은 구문 분석 가능한 모든 항목을 읽습니다.

SciFig PDF to 그림은 대부분의 저널에 대해 래스터를 내보내고 요소 수준 편집을 위해 벡터를 내보냅니다.

• 래스터가 기본 출력입니다: PNG/JPG ~ 8K — 표준 저널 열 너비에서 300DPI를 지웁니다. 대부분의 제출물, 강연, 포스터에 충분합니다.
• 계층화된 편집을 위한 벡터화: 한 번의 클릭으로 그림을 SVG/PPTX로 변환합니다. 모든 모양은 Illustrator, Inkscape, Figma 또는 PowerPoint에서 별도로 선택 가능한 개체가 됩니다.

세 가지 경로가 있습니다. 가장 빠른 길을 고르세요.

• 인라인 텍스트 편집: 라벨을 클릭해 다시 입력하세요 — 오타, 잘못된 유전자 이름, 잘못 표기된 단백질에는 재생성이 필요 없습니다.
• 섹션 재프롬프트: 구조가 잘못됐거나 요소가 빠졌을 때 프롬프트를 더 명확히 다듬고 ("인산화효소는 JAK1이 아니라 JAK2야") 재생성하세요. LLM이 원본을 잘못 해석한 경우에 가장 빠릅니다.
• 정밀 편집을 위한 벡터화: 화살표 하나를 옮기거나, 패널 한 곳을 다시 색칠하거나, 아이콘 하나를 교체해야 하나요? 먼저 벡터화한 다음 특정 셰이프만 편집하세요 — 나머지는 그대로 유지됩니다.