論文の概要: PlotPick: AI-powered batch extraction of numerical data from scientific figures

• arxiv url: http://arxiv.org/abs/2605.06021v1
• Date: Thu, 07 May 2026 11:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.715887
• Title: PlotPick: AI-powered batch extraction of numerical data from scientific figures
• Title（参考訳）: PlotPick:AIによる数値データのバッチ抽出
• Authors: Tommy Carstensen,
• Abstract要約: PlotPickは、視覚言語モデル(VLM)を用いて、科学的数値から構造化されたデータをバッチ抽出するオープンソースツールである。 確立されたチャート・ツー・テーブル・ベンチマーク(ChartXとPlotQA)の3つのプロバイダからの6つのVLMを評価し、専用のチャート・ツー・テーブル・モデルであるDePlotと比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Systematic reviews and meta-analyses frequently require numerical data that authors report only as figures, yet manual digitisation is slow and does not scale. We present PlotPick, an open-source tool that uses vision-language models (VLMs) to batch-extract structured tabular data from scientific figures. We evaluate six VLMs from three providers on two established chart-to-table benchmarks (ChartX and PlotQA) and compare against the dedicated chart-to-table model DePlot. All six VLMs outperform DePlot on both benchmarks. On ChartX (restricted to bar charts, line charts, box plots, and histograms; n=300), VLMs achieve 88-96% recall versus 71% for DePlot. On PlotQA (n=529), VLMs achieve 86-99% RMSF1 versus 94% for DePlot. The gap is largest on chart types absent from the dedicated models' training data: on box plots, DePlot achieves 24% RMSF1 while VLMs achieve 83-97%. PlotPick is available at https://plotpick.streamlit.app.
• Abstract（参考訳）: 体系的なレビューとメタ分析は、著者が数字としてのみ報告する数値データを必要とすることが多いが、手動のデジタル化は遅く、スケールしない。 PlotPickは、視覚言語モデル(VLM)を用いて、科学的数値から構造化表データをバッチ抽出するオープンソースのツールである。 確立されたチャート・ツー・テーブル・ベンチマーク(ChartXとPlotQA)の3つのプロバイダからの6つのVLMを評価し、専用のチャート・ツー・テーブル・モデルであるDePlotと比較した。 6つのVLMは両方のベンチマークでDePlotを上回った。 ChartX (bar charts, line charts, box plots, histograms; n=300)では、VLMはDePlotの71%に対して88-96%のリコールを達成した。 PlotQA (n=529)では、VLMは86-99%のRMSF1を達成したが、DePlotは94%だった。 ボックスプロットでは、DePlotは24%のRMSF1を獲得し、VLMは83-97%を達成した。 PlotPickはhttps://plotpick.streamlit.app.comで入手できる。

関連論文リスト

• ChartAttack: Testing the Vulnerability of LLMs to Malicious Prompting in Chart Generation [51.49421299447412]
  マルチモーダルな大言語モデル(MLLM)は、データテーブルからのチャート生成を自動化するためにますます使われている。 ChartAttackは,MLLMを誤用して大規模にミスリードチャートを生成する方法を評価するフレームワークである。
  論文  参考訳（メタデータ） (2026-01-19T11:57:48Z)
• Is this chart lying to me? Automating the detection of misleading visualizations [74.26574031329689]
  誤解を招くビジュアライゼーションは、ソーシャルメディアやウェブ上での誤報の強力な原動力だ。 Misvizは、12種類のミスリーダーで注釈付けされた2,604の現実世界の視覚化のベンチマークである。 Misviz-synthは、Matplotlibを使って生成され、実世界のデータテーブルに基づいて81,814の可視化データからなる合成データセットである。
  論文  参考訳（メタデータ） (2025-08-29T14:36:45Z)
• Leveraging Vision Capabilities of Multimodal LLMs for Automated Data Extraction from Plots [0.0]
  現在の大規模言語モデルでは,プロットから正確にデータを抽出することが可能であることを示す。 この能力は事前訓練されたモデルに固有のものであり、ゼロショットのプロンプトのチェーン・オブ・シークエンスで達成できる。
  論文  参考訳（メタデータ） (2025-03-16T02:41:43Z)
• Plot2Code: A Comprehensive Benchmark for Evaluating Multi-modal Large Language Models in Code Generation from Scientific Plots [66.95139377783966]
  マルチモーダル大言語モデルのための包括的ビジュアルコーディングベンチマークであるPlot2Codeを紹介する。 公開されているマットプロットギャラリーから,手作業で選択した高品質なマットプロットプロットを6種類のプロットタイプで収集する。 各プロットに対して、ソースコードを慎重に提供し、GPT-4で要約した記述的命令を提供する。
  論文  参考訳（メタデータ） (2024-05-13T17:59:22Z)
• TinyChart: Efficient Chart Understanding with Visual Token Merging and Program-of-Thoughts Learning [83.58521787193293]
  本稿では,3Bパラメータのみを用いたチャート理解のための効率的なMLLMであるTinyChartを提案する。 TinyChartは,1)プログラム・オブ・ソート(PoT)学習戦略による数値計算学習の負担軽減,2)ビジョン・トーケン・マージ・モジュールによる高解像度画像のためのビジョン・トランスフォーマーによって生成される長大な視覚特徴系列の削減という,効率的なチャート理解における2つの課題を克服した。
  論文  参考訳（メタデータ） (2024-04-25T14:23:24Z)
• GenPlot: Increasing the Scale and Diversity of Chart Derendering Data [0.0]
  我々は、合成データを用いて、チャートデレンダリングのための何十億ものプロットを生成するプロットジェネレータであるGenPlotを提案する。 OCR-free chart-to-text translation は視覚言語タスクの最先端の結果を得た。
  論文  参考訳（メタデータ） (2023-06-20T17:25:53Z)
• DePlot: One-shot visual language reasoning by plot-to-table translation [50.28850068391312]
  本稿では,視覚言語推論における最初のワンショットソリューションを提案する。 DePlotと名付けられたモダリティ変換モジュールは、プロットやチャートのイメージを線形化されたテーブルに変換する。 次に、DePlotの出力を直接使用して、事前訓練された大きな言語モデルをプロンプトすることができる。
  論文  参考訳（メタデータ） (2022-12-20T18:20:50Z)
• VizExtract: Automatic Relation Extraction from Data Visualizations [7.2241069295727955]
  本稿では,統計チャートから比較変数を自動的に抽出する枠組みを提案する。 コンピュータビジョンベースのフレームワークを活用して,線グラフや散布プロット,バーグラフなどの視覚化ファセットを自動的に識別し,ローカライズする。 制御された実験では、87.5%の精度で、グラフごとに1-3級数を持つグラフの変数間の相関、色の変化、およびラインスタイルを分類することができる。
  論文  参考訳（メタデータ） (2021-12-07T04:27:08Z)

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。