論文の概要: ChartNet: A Million-Scale, High-Quality Multimodal Dataset for Robust Chart Understanding

• arxiv url: http://arxiv.org/abs/2603.27064v1
• Date: Sat, 28 Mar 2026 00:45:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.763679
• Title: ChartNet: A Million-Scale, High-Quality Multimodal Dataset for Robust Chart Understanding
• Title（参考訳）: ChartNet:ロバストチャート理解のための数百万規模の高品質マルチモーダルデータセット
• Authors: Jovana Kondic, Pengyuan Li, Dhiraj Joshi, Isaac Sanchez, Ben Wiesel, Shafiq Abedin, Amit Alfassy, Eli Schwartz, Daniel Caraballo, Yagmur Gizem Cinar, Florian Scheidegger, Steven I. Ross, Daniel Karl I. Weidele, Hang Hua, Ekaterina Arutyunova, Roei Herzig, Zexue He, Zihan Wang, Xinyue Yu, Yunfei Zhao, Sicong Jiang, Minghao Liu, Qunshu Lin, Peter Staar, Luis Lastras, Aude Oliva, Rogerio Feris,
• Abstract要約: チャートを理解するには、幾何学的視覚パターン、構造化された数値データ、自然言語を共同で推論する必要がある。 ChartNetは、チャートの解釈と推論を促進するために設計された、高品質で100万スケールのマルチモーダルデータセットである。
• 参考スコア（独自算出の注目度）: 26.60504788691021
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding charts requires models to jointly reason over geometric visual patterns, structured numerical data, and natural language -- a capability where current vision-language models (VLMs) remain limited. We introduce ChartNet, a high-quality, million-scale multimodal dataset designed to advance chart interpretation and reasoning. ChartNet leverages a novel code-guided synthesis pipeline to generate 1.5 million diverse chart samples spanning 24 chart types and 6 plotting libraries. Each sample consists of five aligned components: plotting code, rendered chart image, data table, natural language summary, and question-answering with reasoning, providing fine-grained cross-modal alignment. To capture the full spectrum of chart comprehension, ChartNet additionally includes specialized subsets encompassing human annotated data, real-world data, safety, and grounding. Moreover, a rigorous quality-filtering pipeline ensures visual fidelity, semantic accuracy, and diversity across chart representations. Fine-tuning on ChartNet consistently improves results across benchmarks, demonstrating its utility as large-scale supervision for multimodal models. As the largest open-source dataset of its kind, ChartNet aims to support the development of foundation models with robust and generalizable capabilities for data visualization understanding. The dataset is publicly available at https://huggingface.co/datasets/ibm-granite/ChartNet
• Abstract（参考訳）: チャートを理解するには、幾何学的な視覚パターン、構造化された数値データ、そして自然言語を共同で推論する必要がある。 ChartNetは、チャートの解釈と推論を促進するために設計された、高品質で100万スケールのマルチモーダルデータセットである。 ChartNetは、新しいコード誘導合成パイプラインを活用して、24のチャートタイプと6つのプロットライブラリにまたがる150万の多様なチャートサンプルを生成する。 各サンプルは、プロットコード、描画されたチャートイメージ、データテーブル、自然言語の要約、推論による質問応答の5つの整列コンポーネントで構成され、粒度の細かいクロスモーダルアライメントを提供する。 チャート理解の全スペクトルをキャプチャするために、ChartNetには、人間の注釈付きデータ、現実世界のデータ、安全性、グラウンドを含む特別なサブセットが含まれている。 さらに、厳密な品質フィルタリングパイプラインにより、チャート表現間の視覚的忠実度、意味的精度、多様性が保証される。 ChartNetの微調整はベンチマーク全体の結果を継続的に改善し、マルチモーダルモデルの大規模な監視手段としての実用性を実証している。 ChartNetはそのタイプの最大のオープンソースデータセットであり、データ視覚化理解のための堅牢で汎用的な機能を備えた基礎モデルの開発を支援することを目指している。 データセットはhttps://huggingface.co/datasets/ibm-granite/ChartNetで公開されている。

関連論文リスト

• BigCharts-R1: Enhanced Chart Reasoning with Visual Reinforcement Finetuning [51.472854950300416]
  視覚的に多様なチャート画像を生成するデータセット生成パイプラインであるBigChartsを提案する。 純粋な合成データセットとは異なり、BigChartsは現実世界のデータを取り込んで、信頼性と視覚的多様性を保証する。 チャート推論に特化して設計された新たな報酬信号を導入することにより,モデルの堅牢性と一般化が促進される。
  論文  参考訳（メタデータ） (2025-08-13T13:39:17Z)
• In-Depth and In-Breadth: Pre-training Multimodal Language Models Customized for Comprehensive Chart Understanding [113.17601814293722]
  様々なチャートタイプにまたがる詳細なチャート理解に最適化されたLVLMであるChartScopeを紹介する。 そこで本研究では,多種多様なグラフ型のペアデータを生成する,効率的なデータ生成パイプラインを提案する。 また、異なるレベルでの質問回答だけでなく、基礎となるデータ理解を評価するための新しいベンチマークであるChartDQAも確立しました。
  論文  参考訳（メタデータ） (2025-07-18T18:15:09Z)
• ChartCards: A Chart-Metadata Generation Framework for Multi-Task Chart Understanding [14.54762768001729]
  マルチタスクチャート理解のための統合チャートメタタ生成フレームワークであるChartCardsを提案する。 ChartCardsを用いて,10,862データテーブル,85Kチャート,170Kチャートキャプションを含む大規模高品質データセットであるMetaChartを構築した。 MetaChartの6つのモデルを微調整した結果、すべてのタスクの平均性能は5%向上した。
  論文  参考訳（メタデータ） (2025-05-21T03:07:47Z)
• Text2Chart31: Instruction Tuning for Chart Generation with Automatic Feedback [37.275533538711436]
  階層的なパイプラインとグラフ生成のための新しいデータセットを提案する。 私たちのデータセットであるText2Chart31には、Matplotlibライブラリを参照する31のユニークなプロットタイプが含まれています。 本稿では,人間からのフィードバックを必要とせず,グラフ生成タスクのための強化学習に基づく指導指導手法を提案する。
  論文  参考訳（メタデータ） (2024-10-05T07:25:56Z)
• 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)
• ChartLlama: A Multimodal LLM for Chart Understanding and Generation [70.1393163657813]
  GPT-4を利用した高品質な命令チューニングデータセットを作成する。 次に、生成したデータセットを使ってトレーニングしたマルチモーダルな大規模言語モデルであるChartLlamaを紹介します。
  論文  参考訳（メタデータ） (2023-11-27T15:20:23Z)

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。