plot-from-image

画像からプロットを作成

画像を分析し、蓄積されたスタイルの知識を活用して、論文の図を再現します。

ワークフロー

1. 比率を測定する

python3 -c "from PIL import Image; img=Image.open('fig.png'); print(img.size, f'AR={img.size[0]/img.size[1]:.2f}')"

figsize=(FW, FH) を設定し、FW/FH が元画像の AR と一致するようにします。

2. 既存のスタイルに合わせる

図が事前に用意されたスタイルに一致するか確認します（最も速い方法です）。

図の種類	確認するスタイル
グループ化／ペアの棒グラフ	bar_paired_delta または bar_grouped_hatch
帯で塗りつぶされた折れ線グラフ	line_confidence_band
切れ目または参照線のある折れ線グラフ	line_training_curve
拡大パネル付き損失曲線	line_loss_with_inset
散在するクラスター	scatter_tsne_cluster
途中で切れた x 軸	scatter_broken_axis
多角形のウェブチャート	radar_dual_series

一致した場合 → ../plot-from-data/references/<name>.md を読み、正確なパラメーターを確認します → ../plot-from-data/scripts/<script>.py を調整します。

3. 一致するものがない場合 → 最初から分析する

references/reproduction_guide.md を読み、以下を網羅した分析チェックリストを確認します。

• フォントファミリーの判別（セリフ体かサンセリフ体か、LaTeX かどうか）
• スパインと目盛りのスタイル（L 字型、4 辺、矢印、内向き／外向き）
• 色の特定（tab10 かカスタムか）
• グリッドのスタイル（破線、点線、なし）
• 特殊な要素（インセット、途中で切れた軸、レーダーグリッド、注釈ボックス）

4. 作成して反復する

Write script → python3 <script>.py → visually compare → fix proportions/colors → re-run

反復時の主なチェックリスト：

• AR が元画像と一致している（PIL で測定）
• フォントファミリーが正しい（LaTeX 論文にはセリフ体、システムフォントにはサンセリフ体）
• 色が元画像から RGB で ±10 以内
• スパインのスタイルが一致している（L 字型か 4 辺か）
• 目盛りの方向が一致している（内向きか外向きか）
• グリッドのスタイルが一致している
• 凡例の配置が一致している
• 注釈／ラベルの位置が一致している

蓄積された経験

7 本の論文に掲載された 9 個の図を再現して得られた主な知見：

• 滑らかな学習曲線：ノイズのある未加工データではなく、プロットする前に alpha=0.95-0.97 で EMA を使用します
• レーダーチャートのラベル：label_r = 1.10-1.15 にします（余白が過剰になるため、1.2 以上にはしません）
• インセット図：元画像の左右のパネル比率をピクセル単位で測定し、それに応じて add_axes の幅を設定します
• 途中で切れた軸：wspace=0.05 で 2 つのサブプロットを使い、切れ目の記号は下側のスパインだけに配置します
• t-SNE の注釈ボックス：統一した暗色の境界色 #2C3E50 と、クラスター色の面色（alpha=0.28）を使います
• 信頼区間の帯：折れ線と同じ色を使い、fill_between に alpha=0.18-0.22 を指定します

リソース

• 分析ガイド：references/reproduction_guide.md — 新しい画像を分析するための手順ごとのチェックリスト
• スタイルライブラリ：../plot-from-data/references/ — 事前に用意された 8 つのスタイルパラメーターファイル
• スクリプトテンプレート：../plot-from-data/scripts/ — 動作する 8 つの再現スクリプト
• 元画像：../originals/ — 開発で使用した論文の図