简介面向计算机视觉方向毕业设计的论文插图需求一套可直接修改的Superglue与Superpoint算法框架图以docx格式封装共1个文件、约390KB便于在Word中调整节点、连线与标注。内容覆盖Superpoint自监督特征检测与描述符学习流程、单应性自适应图像变换机制以及Superglue基于图神经网络和注意力机制的匹配全过程包括关键点编码、得分矩阵计算、最优传输与特征分配等关键模块。图示中保留了原始论文的结构逻辑同时将“垃圾桶”得分、自注意力/交叉注意力等机制以框图形式清晰呈现便于二次绘制和讲解。已有588人学习下载可作为毕业论文、课程设计或技术博客中的配图素材帮助读者更直观地理解图像配准与特征匹配算法的内在结构。1. SuperGlue论文内算法框架图可修改docx版本到底改的是什么不少人拿到SuperGlue论文里的算法框架图第一个反应是截个图放进Word。结果放大后边缘发虚想改一个术语只能重新截图想挪动某个模块的位置更是无处下手。“superglue论文内算法框架图可修改docx版本”这个需求本质上不是要一张图而是要一套能持续维护的图元集合。这篇笔记会带你从读懂论文图的结构开始用绘图工具把图重绘成模块可拆、文字可改的版本再用脚本把图精确插入docx整个过程不依赖任何现成模板也不需要你手工在Word里画几百个形状。适合正在写技术文档、论文配图或内部评审材料的工程师和研究者。2. 拆解论文框架图把四层结构与数据流变成可编辑图元2.1 论文里那张图到底画了什么SuperGlue的流程不是一条简单直线而是两条输入图像并行处理、在中间层互相“通信”最后输出匹配结果。论文里的算法框架图通常会表达这样几层意思。第一层是输入侧两幅图像分别进入特征提取网络得到关键点和描述子。常见画法是一左一右两个图像框各自引出一条箭头指向特征提取模块。第二层是描述子编码层特征提取网络输出的特征向量会在这里被整理成图结构的节点属性对应到框架图里就是一个宽矩形里面写着类似“Keypoint CNN / Descriptor”的文字。第三层是注意力图神经网络这是整个SuperGlue最核心的部分。特征点被当成图的节点网络在节点之间做self-attention和cross-attention反复迭代多次。论文图里常把它画成一个大的圆角矩形内部并排两个子列每个子列里堆叠好几层注意力块旁边标注迭代次数或特征维度。第四层是输出侧经过注意力更新后的特征被送入最优传输层通过Sinkhorn算法迭代求解匹配矩阵最后输出带置信度的匹配点对。框架图里通常会画一个矩形表示Sinkhorn层再画一条粗箭头指向两幅图之间的匹配连线。如果你要画的图只截取了其中一部分比如只画GNN内部结构那整个层级关系会变但核心数据流不变。我的经验是动手画之前先确定这张图想说明哪件事是整体流程还是GNN内部机制。画整体流程时模块可以画得粗一点画内部机制时每一个子模块都要单独成块。2.2 从论文结构到绘图组件模块、连线和文字标注怎么分配把上面的分析落到绘图工具里需要先做一次“翻译”。论文结构框架图里的表现形式绘图建议输入图像两个矩形或图片占位内部写“Image Left / Right”矩形即可不需要贴实际照片否则文件会变大关键点检测图像框下方的小圆点或小矩形用椭圆形状统一直径表达“关键点集合”特征提取与描述子一个宽矩形标注“Keypoint CNN / Descriptor”用普通矩形文字水平居中宽度比高度大注意力图神经网络大圆角矩形包裹两个并列子列子列内部用更小的圆角矩形明确“self”和“cross”交替最优传输层一个矩形或带斜切角的形状标注“Sinkhorn / OT”用菱形视觉上更有区分度但矩形更省空间匹配输出连接两幅图像末端的粗箭头或线段组使用带箭头的连线线段数量少而清晰连线的规划同样重要。论文里的连线方向代表着数据从输入流向输出所以画图时一定要统一方向常见的布局是自上而下或者从左到右。我一般把输入图像放在左上和左下或左上和右上然后向右侧汇入特征提取模块再流向右下角的输出区域。这样阅读顺序和论文图文排列一致别人看你的图画时不用花时间找方向。文字标注是另一个容易被忽略的点。框架图里的文字分为三类模块名、变量名、说明性注释。模块名用最大字号变量名用次一级字号注释用更小字号。很多人直接在drawio里复制论文里的公式变量名结果中文字体和英文字体混在一起导出后间距参差不齐。我更习惯把文字统一成“中文变量名英文缩写”这种格式例如“注意力图神经网络Attentional GNN”既便于答辩也便于后期修改。2.3 公式到底要不要画进图里一个实用性取舍论文里的框架图经常夹杂着数学符号比如描述子维度、注意力头数、Sinkhorn迭代次数。很多人照抄时想把公式也画进docx图里结果发现文字的公式格式一旦嵌进图形后期非常难改。我的建议是区分“变量名”和“公式推导”。变量名可以放进框架图比如“d128”表示描述子维度或者“N3”表示GNN迭代层数但完整的公式推导比如匹配得分矩阵的计算式不要放进框架图。原因有两个一是Word里对公式的原生支持是独立的公式编辑器图形里的文字框无法使用公式域粘进去也会变成图片二是框架图的读者通常只需要理解数据流具体公式在正文里读就好。如果确实需要体现公式一个常见做法是先用Word的公式编辑器写好公式再在框架图相应模块处放一个空的文字占位符比如“详见式(3)”。这样图保持干净公式又没有被丢掉。这个取舍会直接影响你后面能不能保持“可修改”值得在画图前就定下来。3. 用draw.io重绘SuperGlue框架图从画布设置到模块连线3.1 画布与样式参数决定导出清晰度和后续修改体验draw.io 是画这种算法框图最顺手的工具免费支持导出多种格式且导出时不会像某些格式那样把文字压平。新建绘图时选“空白框图”接着在页面设置里把画布改成自定义大小。我一般把画布设为宽1600像素、高900像素这个比例接近16:9复制到PPT或插入Word都不需要强行裁剪。如果模块数量特别多宽度可以加到2000像素但高度不要超过1200像素否则插入Word后一行放不下被拉到下一页。样式参数直接关系统一性。矩形、圆角矩形、连线在draw.io里都有自己的样式字符串我不会每次随手改颜色而是先定好一组模板再复制着用。下面是我常用的一组html1;fontSize13;fillColor#FFFFFF;strokeColor#000000;strokeWidth1;whiteSpacewrap;rounded1;arcSize10;html1;fontSize13;fillColor#FAFAFA;strokeColor#000000;strokeWidth1;whiteSpacewrap;edgeStyleorthogonalEdgeStyle;rounded0;strokeColor#444444;endArrowblock;fontSize12;第一段样式用于普通矩形模块第二段用于注意力图神经网络这类圆角模块第三段用于数据流向连线。参数说明html1让文字支持自动换行这是防止文字被截断的关键whiteSpacewrap配合前者使用等于告诉draw.io“文字超过宽度就换行而不是拉宽图形”arcSize10控制圆角程度值越大圆角越明显endArrowblock表示线末端画实心箭头。strokeWidth建议统一为1因为太粗的边框在Word里会显得很“重”。提示画布大小最好一次定好后面再改会导致整个图形布局比例变化所有模块的相对间距都会被拉伸。先花一分钟设好画布比画完再调整省力得多。3.2 按数据流向绘制四个大模块打开画布后我习惯从左上角开始给每个模块先放一个占位矩形不急着连线先把所有模块都摆好再连顺序是输入图像、特征提取、注意力图神经网络、最优传输与输出。第一步画输入图像。左侧放两个矩形一个标注“Image Left”另一个标注“Image Right”尺寸建议设为128×80像素。两个矩形之间稍微留一点空隙然后用椭圆在图像下方各放三个小圆点代表检测到的关键点。圆点直径统一设为8像素用黑色填充不描边。第二步画特征提取。在两个图像框的右侧放一个大矩形宽度280像素高度100像素内部文字写“Keypoint CNN / Descriptor”下方加一行小字“d128”。这个矩形代表SuperPoint或类似检测器输出的特征描述子是整个图的“公共入口”。两个图像框各引一条箭头指向这个矩形。第三步画注意力图神经网络。这是最容易画乱的模块。我的做法是先放一个大的圆角矩形作为容器内部再放两个并排的子矩形左侧子矩形写“Self-Attention ×L”右侧写“Cross-Attention ×L”文字下方用一个小圆角矩形表示“特征更新”。两个子矩形之间画一条双箭头表示互相交换信息。容器外面在右下角角落加一行小字“Attentional GNN”用来告诉读者这个容器内部的整体功能。这里不要画太细的每一层结构图上只需要表达“反复迭代”的意思。第四步画最优传输与输出。在GNN容器右侧放一个矩形宽160像素高80像素标注“Sinkhorn / OT”旁边写“迭代N次”。从这个矩形引一条粗箭头指向两幅图像之间箭头上方放一个小文本框写“Matches / Confidence”。到这一步四个模块已经全部就位。这四个步骤里最容易翻车的是第二步到第三步的连接。特征提取矩形的输出线和两个子矩形都有关系正确的画法是先合并成一条线再分叉进入GNN容器。不要直接从特征提取矩形拉两根线分别进入self和cross这样图会显得杂乱也模糊了“数据先进入GNN整体”的语义。3.3 对齐、分组与连线的三个习惯模块画完不连线之前先做对齐。draw.io选中多个图形后顶部会出现对齐辅助线。我把所有矩形左边缘对齐、垂直居中对齐再把纵向间距设为统一值比如40像素。这一步纯粹是给眼睛看的但对齐好的图插进Word后会显得专业很多后期改图也不容易因为间距不一反复调整。然后做分组。把图像框和它对应的关键点圆点框选按CtrlShiftG打成一个组把注意力图神经网络容器里的所有元素打成一个组最后把整张图所有元素再打一个总组。分组的价值在于后期拖动某个模块时组内的相对位置不会散架取消分组也只是几秒钟的事不牺牲可编辑性。最后是连线。draw.io默认连线是直线或折线。框架图里我全部用正交连线也就是横平竖直的折线配合前面写的edgeStyleorthogonalEdgeStyle样式。正交线在Word里看最接近论文图风格而且不容易让人觉得乱。每条连线的文字标签放在线段的中间位置字号比模块文字小一号。在这个阶段不要急着导出。把线条宽度、箭头样式、文字大小整体检查一遍如果图形在画布上撑得不满可以用导航栏的“适应画布”功能一键缩放。注意“适应画布”会改变画布尺寸但不会破坏模块之间的相对比例这是安全的操作。4. 用python-docx把框架图装进docx插入脚本与图片参数4.1 环境准备与最小脚本画好的图可以先导出PNG或SVG。从可修改的角度看draw.io源文件才是真正能改的东西Word里插入的是渲染结果。所以这一步我先用python-docx把PNG插入docx并把draw.io源文件名写进图注保证文档和源文件能对应上。python-docx是一个处理docx文件的Python库可以用一行命令安装pip install python-docx安装完成后写一个最简脚本建立一个空白docx、插入一张图、保存文件。下面这个脚本就是全套流程的最小可用版本适合先验证你的图片路径和宽度是否合适。from docx import Document from docx.shared import Cm from docx.enum.text import WD_ALIGN_PARAGRAPH doc Document() # 新建空白文档 doc.add_heading(SuperGlue 算法框架图, level1) # 加一个一级标题 # 新建一个段落用于放图片并把段落设为居中 pic_para doc.add_paragraph() pic_para.alignment WD_ALIGN_PARAGRAPH.CENTER # 在段落里插入图片width参数控制图片在文档中的宽度 pic_para.add_run().add_picture(superglue_framework.png, widthCm(14)) # 图片下方加图注同样居中 cap doc.add_paragraph(图1 SuperGlue 算法框架可编辑源文件superglue_framework.drawio) cap.alignment WD_ALIGN_PARAGRAPH.CENTER doc.save(superglue_framework.docx) # 保存到当前目录逻辑说明add_picture可以单独用也可以像上面这样放在一个段落的run里放在run里的好处是图片能跟随段落的对齐方式方便实现居中效果。widthCm(14)指定插入宽度为14厘米高度会自动按图片原始宽高比缩放不需要你手动算。add_heading(level1)生成的标题会带Word的“标题1”样式之后可以在目录里被索引到。参数说明14厘米是一个相对稳的值能放进Word默认页面版心左右留白适中。如果你的页面边距设置得比较窄可以改成15厘米如果图片内容特别宽建议不要超过16厘米否则会顶到页边距。图注里的源文件名不要省略这是整个“可修改”工作流里最关键的提醒标记。4.2 图片清晰度与Word缩放为什么PNG导出要调大尺寸很多人用draw.io默认设置导出PNG结果插入Word后文字发虚仔细看边缘还有锯齿。这不是python-docx的问题而是导出分辨率不够。draw.io导出PNG时会按画布的像素尺寸输出。如果你的画布是1600×900导出的PNG默认就是1600×900像素插入到14厘米宽的Word位置时大约每英寸只有200多像素放大或打印时会明显变软。解决办法是在导出窗口里把缩放比例设置到200%也就是输出3200×1800像素的PNG。这样同样的插入宽度下每英寸像素翻倍肉眼基本看不出锯齿。如果你把图存成了SVG格式python-docx没办法直接插入SVG你需要先转换成PNG或直接插入EMF。EMF在Word里可以做到无限放大不失真但兼容性在不同Windows版本上表现不稳定而且一旦图元太复杂Word绘制起来会卡。我的建议是日常用200%缩放的PNG就足够打印A4或PPT答辩完全够用如果一定要矢量效果在draw.io里导出EMF再手工插入Word不要用python-docx处理EMF。4.3 一次修改要跑完的完整流程现在你的工作流应该是这样在draw.io里修改源文件 → 导出PNG覆盖旧图 → 重新运行python-docx脚本生成新的docx。这样每次修改都是可控的不会出现“改了图忘了更新Word”的情况。如果你想保留多个历史版本把docx文件名加上日期比如superglue_framework_20250618.docx同时把对应的drawio源文件也加上相同日期。这样后续评审时如果有人问“上一版是什么样的”你能快速找到对应文件。这个习惯看起来很简单但能救你很多次。注意不要在Word里手动右键替换图片后又把drawio源文件删了。Word里的图只是渲染快照源文件才是真正能编辑的那一层。丢失源文件意味着下一次修改要从头重画。5. 框架图docx化避坑清晰度、可编辑性与版本管理的三个坑5.1 图片放大后发糊打印出来边缘有锯齿现象插进Word的图在屏幕上看着还行一放大或者打印预览就发虚文字边缘有锯齿。原因多半是draw.io导出时没调缩放比例导出的PNG像素等于画布像素。插入Word后图片被拉伸到14厘米宽像素密度不够自然就糊。解决重新从draw.io导出在导出窗口把缩放比例改到200%得到2倍像素的PNG后再插入。如果还是不够清晰把缩放调到300%但文件体积会变大插入和保存速度会变慢通常200%足够。5.2 双击Word里的图只能设置格式不能编辑模块现象做好docx后双击图片发现不是进入绘图编辑而是弹出“设置图片格式”。原因Word识别到这是一个整体图片对象不是原生形状。你在draw.io里画的模块、文字、连线都被“烤”成了一张图Word不可能辨识出里面的结构。解决认清可修改层的边界。真正可编辑的是draw.io源文件不是docx里的图片。把源文件保存在和docx同一目录下并在图注里写明源文件名。如果你需要让Word里也能逐个点选修改那就需要在Word里用“插入-形状”重新画一遍但这等于重做一次绘图工作量不值得。对绝大多数场景来说回draw.io改、重新导出、重新插入已经足够高效。5.3 改了一版图结果旧图还留在docx里现象重新运行脚本生成了新docx打开后发现有的地方还是旧图或者surrounding图注和图片对不上。原因最常见的是脚本里图片路径没变但draw.io导出的新图文件名换成了带版本号的名字导致脚本仍指向旧文件另一种情况是你在Word里手动替换过部分图片而脚本重新生成时只覆盖了其中一张。解决给导出图片起一个固定名字比如superglue_framework.png每次导出都覆盖这个名字脚本里的路径始终不变。如果做过多图版本就把每张图放进单独的目录脚本里用绝对路径或相对路径检查好。这个问题的本质是文件命名不规范统一命名规则就能避免。6. 让框架图真正能改分组、源文件命名与二次改图验证到这里你已经能画出一份结构完整的SuperGlue框架图并把它干净地放进docx。但“能改”这件事还需要一个验证步骤。我一般会在交付前做一次完整的二次修改演练打开draw.io源文件把GNN容器里的“Self-Attention ×L”改成“Self-Attention ×2”把“Sinkhorn / OT”的文字改成“Sinkhorn / OT迭代15次”然后重新导出PNG、重新跑python-docx脚本、打开新docx确认两处文字都变了且图注里的源文件版本号同步更新。这一套流程走通说明你手上是一份真正可维护的文档而不是一次性图片。我推荐把drawio源文件命名带上日期和用途例如superglue_framework_20250618_v2.drawio。这个习惯来自我吃过的一次亏当时只导出了PNG没留源文件后来要改一个术语对着位图重画了两个小时。从那以后我只要往docx里插框架图就强制在同目录放一份对应的drawio源文件并在图注里写一句“可编辑源文件xxx.drawio”。这个代价很小但能在三个月后救你一次。如果团队协作建议把源文件放进版本管理目录每次修改提交一次变更记录。论文配图或评审材料经常需要回溯“哪一版是哪一天改的”有源文件和日期对照表这个问题就变得非常简单。团队里其他人如果想改也不需要找到你再远程传图直接拉最新源文件改完重新导出即可。最后再说一个操作上容易被忽视的细节draw.io里的分组在导出PNG后不会保留但会让你的源文件更整洁。源文件里每一个模块都命名清楚比如“input_left”“gnn_container”“sinkhorn_block”修改时可以直接从左侧图层列表点选定位比用鼠标满画布找图快得多。这个习惯我会一直保留。希望这篇笔记能帮你少走一些弯路让你做出来的SuperGlue框架图既符合论文逻辑又能随时改、随时用。本文还有配套的精品资源点击获取 SuperGlue算法框架图可修改docx：draw.io重绘与插入
简介面向计算机视觉方向毕业设计的论文插图需求一套可直接修改的Superglue与Superpoint算法框架图以docx格式封装共1个文件、约390KB便于在Word中调整节点、连线与标注。内容覆盖Superpoint自监督特征检测与描述符学习流程、单应性自适应图像变换机制以及Superglue基于图神经网络和注意力机制的匹配全过程包括关键点编码、得分矩阵计算、最优传输与特征分配等关键模块。图示中保留了原始论文的结构逻辑同时将“垃圾桶”得分、自注意力/交叉注意力等机制以框图形式清晰呈现便于二次绘制和讲解。已有588人学习下载可作为毕业论文、课程设计或技术博客中的配图素材帮助读者更直观地理解图像配准与特征匹配算法的内在结构。1. SuperGlue论文内算法框架图可修改docx版本到底改的是什么不少人拿到SuperGlue论文里的算法框架图第一个反应是截个图放进Word。结果放大后边缘发虚想改一个术语只能重新截图想挪动某个模块的位置更是无处下手。“superglue论文内算法框架图可修改docx版本”这个需求本质上不是要一张图而是要一套能持续维护的图元集合。这篇笔记会带你从读懂论文图的结构开始用绘图工具把图重绘成模块可拆、文字可改的版本再用脚本把图精确插入docx整个过程不依赖任何现成模板也不需要你手工在Word里画几百个形状。适合正在写技术文档、论文配图或内部评审材料的工程师和研究者。2. 拆解论文框架图把四层结构与数据流变成可编辑图元2.1 论文里那张图到底画了什么SuperGlue的流程不是一条简单直线而是两条输入图像并行处理、在中间层互相“通信”最后输出匹配结果。论文里的算法框架图通常会表达这样几层意思。第一层是输入侧两幅图像分别进入特征提取网络得到关键点和描述子。常见画法是一左一右两个图像框各自引出一条箭头指向特征提取模块。第二层是描述子编码层特征提取网络输出的特征向量会在这里被整理成图结构的节点属性对应到框架图里就是一个宽矩形里面写着类似“Keypoint CNN / Descriptor”的文字。第三层是注意力图神经网络这是整个SuperGlue最核心的部分。特征点被当成图的节点网络在节点之间做self-attention和cross-attention反复迭代多次。论文图里常把它画成一个大的圆角矩形内部并排两个子列每个子列里堆叠好几层注意力块旁边标注迭代次数或特征维度。第四层是输出侧经过注意力更新后的特征被送入最优传输层通过Sinkhorn算法迭代求解匹配矩阵最后输出带置信度的匹配点对。框架图里通常会画一个矩形表示Sinkhorn层再画一条粗箭头指向两幅图之间的匹配连线。如果你要画的图只截取了其中一部分比如只画GNN内部结构那整个层级关系会变但核心数据流不变。我的经验是动手画之前先确定这张图想说明哪件事是整体流程还是GNN内部机制。画整体流程时模块可以画得粗一点画内部机制时每一个子模块都要单独成块。2.2 从论文结构到绘图组件模块、连线和文字标注怎么分配把上面的分析落到绘图工具里需要先做一次“翻译”。论文结构框架图里的表现形式绘图建议输入图像两个矩形或图片占位内部写“Image Left / Right”矩形即可不需要贴实际照片否则文件会变大关键点检测图像框下方的小圆点或小矩形用椭圆形状统一直径表达“关键点集合”特征提取与描述子一个宽矩形标注“Keypoint CNN / Descriptor”用普通矩形文字水平居中宽度比高度大注意力图神经网络大圆角矩形包裹两个并列子列子列内部用更小的圆角矩形明确“self”和“cross”交替最优传输层一个矩形或带斜切角的形状标注“Sinkhorn / OT”用菱形视觉上更有区分度但矩形更省空间匹配输出连接两幅图像末端的粗箭头或线段组使用带箭头的连线线段数量少而清晰连线的规划同样重要。论文里的连线方向代表着数据从输入流向输出所以画图时一定要统一方向常见的布局是自上而下或者从左到右。我一般把输入图像放在左上和左下或左上和右上然后向右侧汇入特征提取模块再流向右下角的输出区域。这样阅读顺序和论文图文排列一致别人看你的图画时不用花时间找方向。文字标注是另一个容易被忽略的点。框架图里的文字分为三类模块名、变量名、说明性注释。模块名用最大字号变量名用次一级字号注释用更小字号。很多人直接在drawio里复制论文里的公式变量名结果中文字体和英文字体混在一起导出后间距参差不齐。我更习惯把文字统一成“中文变量名英文缩写”这种格式例如“注意力图神经网络Attentional GNN”既便于答辩也便于后期修改。2.3 公式到底要不要画进图里一个实用性取舍论文里的框架图经常夹杂着数学符号比如描述子维度、注意力头数、Sinkhorn迭代次数。很多人照抄时想把公式也画进docx图里结果发现文字的公式格式一旦嵌进图形后期非常难改。我的建议是区分“变量名”和“公式推导”。变量名可以放进框架图比如“d128”表示描述子维度或者“N3”表示GNN迭代层数但完整的公式推导比如匹配得分矩阵的计算式不要放进框架图。原因有两个一是Word里对公式的原生支持是独立的公式编辑器图形里的文字框无法使用公式域粘进去也会变成图片二是框架图的读者通常只需要理解数据流具体公式在正文里读就好。如果确实需要体现公式一个常见做法是先用Word的公式编辑器写好公式再在框架图相应模块处放一个空的文字占位符比如“详见式(3)”。这样图保持干净公式又没有被丢掉。这个取舍会直接影响你后面能不能保持“可修改”值得在画图前就定下来。3. 用draw.io重绘SuperGlue框架图从画布设置到模块连线3.1 画布与样式参数决定导出清晰度和后续修改体验draw.io 是画这种算法框图最顺手的工具免费支持导出多种格式且导出时不会像某些格式那样把文字压平。新建绘图时选“空白框图”接着在页面设置里把画布改成自定义大小。我一般把画布设为宽1600像素、高900像素这个比例接近16:9复制到PPT或插入Word都不需要强行裁剪。如果模块数量特别多宽度可以加到2000像素但高度不要超过1200像素否则插入Word后一行放不下被拉到下一页。样式参数直接关系统一性。矩形、圆角矩形、连线在draw.io里都有自己的样式字符串我不会每次随手改颜色而是先定好一组模板再复制着用。下面是我常用的一组html1;fontSize13;fillColor#FFFFFF;strokeColor#000000;strokeWidth1;whiteSpacewrap;rounded1;arcSize10;html1;fontSize13;fillColor#FAFAFA;strokeColor#000000;strokeWidth1;whiteSpacewrap;edgeStyleorthogonalEdgeStyle;rounded0;strokeColor#444444;endArrowblock;fontSize12;第一段样式用于普通矩形模块第二段用于注意力图神经网络这类圆角模块第三段用于数据流向连线。参数说明html1让文字支持自动换行这是防止文字被截断的关键whiteSpacewrap配合前者使用等于告诉draw.io“文字超过宽度就换行而不是拉宽图形”arcSize10控制圆角程度值越大圆角越明显endArrowblock表示线末端画实心箭头。strokeWidth建议统一为1因为太粗的边框在Word里会显得很“重”。提示画布大小最好一次定好后面再改会导致整个图形布局比例变化所有模块的相对间距都会被拉伸。先花一分钟设好画布比画完再调整省力得多。3.2 按数据流向绘制四个大模块打开画布后我习惯从左上角开始给每个模块先放一个占位矩形不急着连线先把所有模块都摆好再连顺序是输入图像、特征提取、注意力图神经网络、最优传输与输出。第一步画输入图像。左侧放两个矩形一个标注“Image Left”另一个标注“Image Right”尺寸建议设为128×80像素。两个矩形之间稍微留一点空隙然后用椭圆在图像下方各放三个小圆点代表检测到的关键点。圆点直径统一设为8像素用黑色填充不描边。第二步画特征提取。在两个图像框的右侧放一个大矩形宽度280像素高度100像素内部文字写“Keypoint CNN / Descriptor”下方加一行小字“d128”。这个矩形代表SuperPoint或类似检测器输出的特征描述子是整个图的“公共入口”。两个图像框各引一条箭头指向这个矩形。第三步画注意力图神经网络。这是最容易画乱的模块。我的做法是先放一个大的圆角矩形作为容器内部再放两个并排的子矩形左侧子矩形写“Self-Attention ×L”右侧写“Cross-Attention ×L”文字下方用一个小圆角矩形表示“特征更新”。两个子矩形之间画一条双箭头表示互相交换信息。容器外面在右下角角落加一行小字“Attentional GNN”用来告诉读者这个容器内部的整体功能。这里不要画太细的每一层结构图上只需要表达“反复迭代”的意思。第四步画最优传输与输出。在GNN容器右侧放一个矩形宽160像素高80像素标注“Sinkhorn / OT”旁边写“迭代N次”。从这个矩形引一条粗箭头指向两幅图像之间箭头上方放一个小文本框写“Matches / Confidence”。到这一步四个模块已经全部就位。这四个步骤里最容易翻车的是第二步到第三步的连接。特征提取矩形的输出线和两个子矩形都有关系正确的画法是先合并成一条线再分叉进入GNN容器。不要直接从特征提取矩形拉两根线分别进入self和cross这样图会显得杂乱也模糊了“数据先进入GNN整体”的语义。3.3 对齐、分组与连线的三个习惯模块画完不连线之前先做对齐。draw.io选中多个图形后顶部会出现对齐辅助线。我把所有矩形左边缘对齐、垂直居中对齐再把纵向间距设为统一值比如40像素。这一步纯粹是给眼睛看的但对齐好的图插进Word后会显得专业很多后期改图也不容易因为间距不一反复调整。然后做分组。把图像框和它对应的关键点圆点框选按CtrlShiftG打成一个组把注意力图神经网络容器里的所有元素打成一个组最后把整张图所有元素再打一个总组。分组的价值在于后期拖动某个模块时组内的相对位置不会散架取消分组也只是几秒钟的事不牺牲可编辑性。最后是连线。draw.io默认连线是直线或折线。框架图里我全部用正交连线也就是横平竖直的折线配合前面写的edgeStyleorthogonalEdgeStyle样式。正交线在Word里看最接近论文图风格而且不容易让人觉得乱。每条连线的文字标签放在线段的中间位置字号比模块文字小一号。在这个阶段不要急着导出。把线条宽度、箭头样式、文字大小整体检查一遍如果图形在画布上撑得不满可以用导航栏的“适应画布”功能一键缩放。注意“适应画布”会改变画布尺寸但不会破坏模块之间的相对比例这是安全的操作。4. 用python-docx把框架图装进docx插入脚本与图片参数4.1 环境准备与最小脚本画好的图可以先导出PNG或SVG。从可修改的角度看draw.io源文件才是真正能改的东西Word里插入的是渲染结果。所以这一步我先用python-docx把PNG插入docx并把draw.io源文件名写进图注保证文档和源文件能对应上。python-docx是一个处理docx文件的Python库可以用一行命令安装pip install python-docx安装完成后写一个最简脚本建立一个空白docx、插入一张图、保存文件。下面这个脚本就是全套流程的最小可用版本适合先验证你的图片路径和宽度是否合适。from docx import Document from docx.shared import Cm from docx.enum.text import WD_ALIGN_PARAGRAPH doc Document() # 新建空白文档 doc.add_heading(SuperGlue 算法框架图, level1) # 加一个一级标题 # 新建一个段落用于放图片并把段落设为居中 pic_para doc.add_paragraph() pic_para.alignment WD_ALIGN_PARAGRAPH.CENTER # 在段落里插入图片width参数控制图片在文档中的宽度 pic_para.add_run().add_picture(superglue_framework.png, widthCm(14)) # 图片下方加图注同样居中 cap doc.add_paragraph(图1 SuperGlue 算法框架可编辑源文件superglue_framework.drawio) cap.alignment WD_ALIGN_PARAGRAPH.CENTER doc.save(superglue_framework.docx) # 保存到当前目录逻辑说明add_picture可以单独用也可以像上面这样放在一个段落的run里放在run里的好处是图片能跟随段落的对齐方式方便实现居中效果。widthCm(14)指定插入宽度为14厘米高度会自动按图片原始宽高比缩放不需要你手动算。add_heading(level1)生成的标题会带Word的“标题1”样式之后可以在目录里被索引到。参数说明14厘米是一个相对稳的值能放进Word默认页面版心左右留白适中。如果你的页面边距设置得比较窄可以改成15厘米如果图片内容特别宽建议不要超过16厘米否则会顶到页边距。图注里的源文件名不要省略这是整个“可修改”工作流里最关键的提醒标记。4.2 图片清晰度与Word缩放为什么PNG导出要调大尺寸很多人用draw.io默认设置导出PNG结果插入Word后文字发虚仔细看边缘还有锯齿。这不是python-docx的问题而是导出分辨率不够。draw.io导出PNG时会按画布的像素尺寸输出。如果你的画布是1600×900导出的PNG默认就是1600×900像素插入到14厘米宽的Word位置时大约每英寸只有200多像素放大或打印时会明显变软。解决办法是在导出窗口里把缩放比例设置到200%也就是输出3200×1800像素的PNG。这样同样的插入宽度下每英寸像素翻倍肉眼基本看不出锯齿。如果你把图存成了SVG格式python-docx没办法直接插入SVG你需要先转换成PNG或直接插入EMF。EMF在Word里可以做到无限放大不失真但兼容性在不同Windows版本上表现不稳定而且一旦图元太复杂Word绘制起来会卡。我的建议是日常用200%缩放的PNG就足够打印A4或PPT答辩完全够用如果一定要矢量效果在draw.io里导出EMF再手工插入Word不要用python-docx处理EMF。4.3 一次修改要跑完的完整流程现在你的工作流应该是这样在draw.io里修改源文件 → 导出PNG覆盖旧图 → 重新运行python-docx脚本生成新的docx。这样每次修改都是可控的不会出现“改了图忘了更新Word”的情况。如果你想保留多个历史版本把docx文件名加上日期比如superglue_framework_20250618.docx同时把对应的drawio源文件也加上相同日期。这样后续评审时如果有人问“上一版是什么样的”你能快速找到对应文件。这个习惯看起来很简单但能救你很多次。注意不要在Word里手动右键替换图片后又把drawio源文件删了。Word里的图只是渲染快照源文件才是真正能编辑的那一层。丢失源文件意味着下一次修改要从头重画。5. 框架图docx化避坑清晰度、可编辑性与版本管理的三个坑5.1 图片放大后发糊打印出来边缘有锯齿现象插进Word的图在屏幕上看着还行一放大或者打印预览就发虚文字边缘有锯齿。原因多半是draw.io导出时没调缩放比例导出的PNG像素等于画布像素。插入Word后图片被拉伸到14厘米宽像素密度不够自然就糊。解决重新从draw.io导出在导出窗口把缩放比例改到200%得到2倍像素的PNG后再插入。如果还是不够清晰把缩放调到300%但文件体积会变大插入和保存速度会变慢通常200%足够。5.2 双击Word里的图只能设置格式不能编辑模块现象做好docx后双击图片发现不是进入绘图编辑而是弹出“设置图片格式”。原因Word识别到这是一个整体图片对象不是原生形状。你在draw.io里画的模块、文字、连线都被“烤”成了一张图Word不可能辨识出里面的结构。解决认清可修改层的边界。真正可编辑的是draw.io源文件不是docx里的图片。把源文件保存在和docx同一目录下并在图注里写明源文件名。如果你需要让Word里也能逐个点选修改那就需要在Word里用“插入-形状”重新画一遍但这等于重做一次绘图工作量不值得。对绝大多数场景来说回draw.io改、重新导出、重新插入已经足够高效。5.3 改了一版图结果旧图还留在docx里现象重新运行脚本生成了新docx打开后发现有的地方还是旧图或者surrounding图注和图片对不上。原因最常见的是脚本里图片路径没变但draw.io导出的新图文件名换成了带版本号的名字导致脚本仍指向旧文件另一种情况是你在Word里手动替换过部分图片而脚本重新生成时只覆盖了其中一张。解决给导出图片起一个固定名字比如superglue_framework.png每次导出都覆盖这个名字脚本里的路径始终不变。如果做过多图版本就把每张图放进单独的目录脚本里用绝对路径或相对路径检查好。这个问题的本质是文件命名不规范统一命名规则就能避免。6. 让框架图真正能改分组、源文件命名与二次改图验证到这里你已经能画出一份结构完整的SuperGlue框架图并把它干净地放进docx。但“能改”这件事还需要一个验证步骤。我一般会在交付前做一次完整的二次修改演练打开draw.io源文件把GNN容器里的“Self-Attention ×L”改成“Self-Attention ×2”把“Sinkhorn / OT”的文字改成“Sinkhorn / OT迭代15次”然后重新导出PNG、重新跑python-docx脚本、打开新docx确认两处文字都变了且图注里的源文件版本号同步更新。这一套流程走通说明你手上是一份真正可维护的文档而不是一次性图片。我推荐把drawio源文件命名带上日期和用途例如superglue_framework_20250618_v2.drawio。这个习惯来自我吃过的一次亏当时只导出了PNG没留源文件后来要改一个术语对着位图重画了两个小时。从那以后我只要往docx里插框架图就强制在同目录放一份对应的drawio源文件并在图注里写一句“可编辑源文件xxx.drawio”。这个代价很小但能在三个月后救你一次。如果团队协作建议把源文件放进版本管理目录每次修改提交一次变更记录。论文配图或评审材料经常需要回溯“哪一版是哪一天改的”有源文件和日期对照表这个问题就变得非常简单。团队里其他人如果想改也不需要找到你再远程传图直接拉最新源文件改完重新导出即可。最后再说一个操作上容易被忽视的细节draw.io里的分组在导出PNG后不会保留但会让你的源文件更整洁。源文件里每一个模块都命名清楚比如“input_left”“gnn_container”“sinkhorn_block”修改时可以直接从左侧图层列表点选定位比用鼠标满画布找图快得多。这个习惯我会一直保留。希望这篇笔记能帮你少走一些弯路让你做出来的SuperGlue框架图既符合论文逻辑又能随时改、随时用。本文还有配套的精品资源点击获取