論文の概要: CycleChart: A Unified Consistency-Based Learning Framework for Bidirectional Chart Understanding and Generation

• arxiv url: http://arxiv.org/abs/2512.19173v1
• Date: Mon, 22 Dec 2025 09:07:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.685417
• Title: CycleChart: A Unified Consistency-Based Learning Framework for Bidirectional Chart Understanding and Generation
• Title（参考訳）: CycleChart: 双方向チャート理解と生成のための統一一貫性ベースの学習フレームワーク
• Authors: Dazhen Deng, Sen Yang, Yuchen He, Yuan Tian, Yingcai Wu,
• Abstract要約: CycleChartは、双方向チャートの理解と生成のための一貫性に基づく学習フレームワークである。 双方向チャートのセマンティクスを学ぶために、CycleChartはジェネレーションパース一貫性の目標を導入した。 CycleChartは、チャート生成、チャート解析、チャート質問応答に関する強力な結果を得る。
• 参考スコア（独自算出の注目度）: 31.143525247190905
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current chart-specific tasks, such as chart question answering, chart parsing, and chart generation, are typically studied in isolation, preventing models from learning the shared semantics that link chart generation and interpretation. We introduce CycleChart, a consistency-based learning framework for bidirectional chart understanding and generation. CycleChart adopts a schema-centric formulation as a common interface across tasks. We construct a consistent multi-task dataset, where each chart sample includes aligned annotations for schema prediction, data parsing, and question answering. To learn cross-directional chart semantics, CycleChart introduces a generate-parse consistency objective: the model generates a chart schema from a table and a textual query, then learns to recover the schema and data from the generated chart, enforcing semantic alignment across directions. CycleChart achieves strong results on chart generation, chart parsing, and chart question answering, demonstrating improved cross-task generalization and marking a step toward more general chart understanding models.
• Abstract（参考訳）: チャート質問応答、チャート解析、チャート生成といった現在のチャート固有のタスクは、通常、独立して研究され、チャート生成と解釈をリンクする共有セマンティクスを学習するのを防ぐ。 双方向チャートの理解と生成のための一貫性に基づく学習フレームワークであるCycleChartを紹介する。 CycleChartはタスク間の共通インターフェースとしてスキーマ中心の定式化を採用している。 一貫性のあるマルチタスクデータセットを構築し、各チャートのサンプルには、スキーマ予測、データ解析、質問応答のための一致したアノテーションが含まれている。 モデルはテーブルとテキストクエリからチャートスキーマを生成し、生成したチャートからスキーマとデータを復元し、方向を横断するセマンティックアライメントを強制する。 CycleChartは、チャート生成、チャート解析、チャート質問応答に関する強力な結果を達成し、クロスタスクの一般化を改善し、より一般的なチャート理解モデルへの一歩を踏み出した。

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)
• 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: On the Schema, Metric, and Augmentation for Visual Chart Understanding [54.45681512355684]
  現在のチャート関連タスクは、ビジュアルチャートから情報を抽出するチャート認識か、抽出されたデータに基づいてチャート推論にフォーカスする。 我々はStructChartを紹介した。StructChartはStruct Triplet Representations(STR)を利用して、統一的でラベル効率のよいアプローチを実現する新しいフレームワークである。
  論文  参考訳（メタデータ） (2023-09-20T12:51:13Z)
• 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)
• Table2Charts: Recommending Charts by Learning Shared Table Representations [61.68711232246847]
  Table2Chartsは、(テーブル、チャート)ペアの大きなコーパスから共通のパターンを学ぶ。 165kのテーブルと266kのチャートを持つ大きなスプレッドシートコーパスでは、テーブルフィールドの共有表現を学習できることが示される。
  論文  参考訳（メタデータ） (2020-08-24T15:06:26Z)

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。