論文の概要: Mystique: Deconstructing SVG Charts for Layout Reuse

• arxiv url: http://arxiv.org/abs/2307.13567v1
• Date: Tue, 25 Jul 2023 15:20:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-26 16:26:19.903501
• Title: Mystique: Deconstructing SVG Charts for Layout Reuse
• Title（参考訳）: mystique:レイアウト再利用のためにsvgチャートを分解する
• Authors: Chen Chen, Bongshin Lee, Yunhai Wang, Yunjeong Chang, Zhicheng Liu
• Abstract要約: 我々は、チャートのレイアウトをセマンティックコンポーネントに分解する、Mystiqueと呼ばれるインタラクティブツールを開発した。 神秘は、軸と伝説抽出の精度が85%以上、レイアウト分解の精度が96%以上である。 グラフ再現研究では、参加者は新しいデータセットで既存のチャートを簡単に再利用することができた。
• 参考スコア（独自算出の注目度）: 45.205657882806534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To facilitate the reuse of existing charts, previous research has examined how to obtain a semantic understanding of a chart by deconstructing its visual representation into reusable components, such as encodings. However, existing deconstruction approaches primarily focus on chart styles, handling only basic layouts. In this paper, we investigate how to deconstruct chart layouts, focusing on rectangle-based ones as they cover not only 17 chart types but also advanced layouts (e.g., small multiples, nested layouts). We develop an interactive tool, called Mystique, adopting a mixed-initiative approach to extract the axes and legend, and deconstruct a chart's layout into four semantic components: mark groups, spatial relationships, data encodings, and graphical constraints. Mystique employs a wizard interface that guides chart authors through a series of steps to specify how the deconstructed components map to their own data. On 150 rectangle-based SVG charts, Mystique achieves above 85% accuracy for axis and legend extraction and 96% accuracy for layout deconstruction. In a chart reproduction study, participants could easily reuse existing charts on new datasets. We discuss the current limitations of Mystique and future research directions.
• Abstract（参考訳）: 既存のチャートの再利用を容易にするため、従来の研究では、その視覚表現をエンコーディングなどの再利用可能なコンポーネントに分解することで、チャートの意味的理解を得る方法について検討した。 しかし、既存のデコンストラクションアプローチは主にチャートスタイルにフォーカスし、基本的なレイアウトのみを扱う。 本稿では、17種類のチャート型だけでなく、より高度なレイアウト(例えば、小さな多重、ネストされたレイアウト)をカバーする長方形に基づくチャートレイアウトの分解方法について検討する。 我々はMystiqueと呼ばれる対話型ツールを開発し、軸と伝説を抽出するための混合開始的アプローチを採用し、チャートのレイアウトを4つの意味的構成要素(マークグループ、空間関係、データエンコーディング、グラフィカル制約)に分解する。 Mystiqueはウィザードインターフェースを採用し、チャート作成者を一連のステップでガイドし、分解されたコンポーネントが自身のデータにどのようにマップするかを指定する。 150長方形のSVGチャートでは、Mistiqueは軸と伝説抽出の精度が85%以上、レイアウト分解の精度が96%以上である。 グラフ再現研究では、参加者は新しいデータセットで既存のチャートを簡単に再利用することができた。 我々はミスティークの限界と今後の研究方向について論じる。

関連論文リスト

• MSG-Chart: Multimodal Scene Graph for ChartQA [11.828192162922436]
  グラフに明示的に表示されていない基礎データのパターンを持つチャート要素の複雑な分布のため、ChartQA(Automatic Chart Question Answering)は難しい。 チャート要素とそれらのパターンの関係を明示的に表すために、チャートのための共同マルチモーダルシーングラフを設計する。 提案するマルチモーダルシーングラフには視覚グラフとテキストグラフが含まれており,そのグラフから構造的および意味的知識を共同でキャプチャする。
  論文  参考訳（メタデータ） (2024-08-09T04:11:23Z)
• SIMPLOT: Enhancing Chart Question Answering by Distilling Essentials [15.522722875552892]
  本稿では,チャート推論に必要な要素のみを抽出するSIMPLOTを提案する。 私たちのモデルは、追加のアノテーションやデータセットを必要とせずに、正確なチャート推論を可能にします。
  論文  参考訳（メタデータ） (2024-02-22T14:04:22Z)
• ChartAssisstant: A Universal Chart Multimodal Language Model via Chart-to-Table Pre-training and Multitask Instruction Tuning [54.89249749894061]
  ChartAssistantは、ユニバーサルチャートの理解と推論のためのビジョン言語モデルである。 2段階のトレーニングプロセスを経て、チャートとテキストの調整のために、チャートからテーブルへのパースを事前トレーニングする。 実験により, 最先端UniChart法とChartllama法に比較して, 顕著な性能向上が得られた。
  論文  参考訳（メタデータ） (2024-01-04T17:51:48Z)
• StructChart: Perception, Structuring, Reasoning for Visual Chart Understanding [58.38480335579541]
  現在のチャート関連タスクは、視覚チャートから情報を抽出することを参照するチャート認識か、抽出されたデータから推論を行うかに焦点を当てている。 本稿では,共同認識と推論タスクのための統一的でラベル効率のよい学習パラダイムを確立することを目的とする。 各種のチャート関連タスクで実験を行い、統合されたチャート認識推論パラダイムの有効性と有望な可能性を実証した。
  論文  参考訳（メタデータ） (2023-09-20T12:51:13Z)
• A Parse-Then-Place Approach for Generating Graphic Layouts from Textual Descriptions [50.469491454128246]
  我々は、図形レイアウト、すなわちテキストからラベルへのレイアウトを作成するためのガイダンスとしてテキストを使用し、設計障壁を低くすることを目的としています。 テキストからラベルへの変換は、テキストからの暗黙的、複合的、不完全な制約を考慮する必要があるため、難しい作業である。 この問題に対処するための2段階のアプローチとして,パース・セイン・プレース(parse-then-place)を提案する。
  論文  参考訳（メタデータ） (2023-08-24T10:37:00Z)
• UniChart: A Universal Vision-language Pretrained Model for Chart Comprehension and Reasoning [29.947053208614246]
  We present UniChart, a pretrained model for chart comprehension and reasoning。 UniChartは、チャートの関連するテキスト、データ、および視覚要素をエンコードし、その後、チャートグラウンドのテキストデコーダを使用して、自然言語で期待される出力を生成する。 i) チャートから視覚要素(バーや線など)とデータを抽出する低レベルタスク、(ii) チャート理解と推論のスキルを得るための高レベルタスクなどである。
  論文  参考訳（メタデータ） (2023-05-24T06:11:17Z)
• ChartReader: A Unified Framework for Chart Derendering and Comprehension without Heuristic Rules [89.75395046894809]
  ChartReaderは、チャートのデレンダリングと理解タスクをシームレスに統合する統合フレームワークです。 提案手法には,トランスフォーマーに基づくチャートコンポーネント検出モジュールと,チャートからXまでのタスクに対する事前学習型視覚言語モデルが組み込まれている。 提案するフレームワークは,チャート解析に係わる作業を大幅に削減し,ユニバーサルチャート理解モデルへの一歩を踏み出すことができる。
  論文  参考訳（メタデータ） (2023-04-05T00:25:27Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。