論文の概要: DataMagic: Transforming Tabular Data into Data Insight Video

• arxiv url: http://arxiv.org/abs/2606.20388v1
• Date: Thu, 18 Jun 2026 15:45:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.958129
• Title: DataMagic: Transforming Tabular Data into Data Insight Video
• Title（参考訳）: DataMagic: タブラルデータをデータインサイトビデオに変換する
• Authors: Yupeng Xie, Chen Ma, Zhenyang Wang, Liangwei Wang, Jiayi Zhu, Chuxuan Zeng, Zhouan Shen, Boyan Li, Yuyu Luo,
• Abstract要約: データビデオは動的チャート、音声ナレーション、同期アニメーションを統合して、データ洞察を時間的物語として伝達する。 静的視覚化ツールは、物語のロジックとアニメーションが欠けている。 自然言語クエリをナラティブなデータインサイトビデオに変換する,エンドツーエンドのインタラクティブシステムであるDataMagicを実演する。
• 参考スコア（独自算出の注目度）: 15.163664003655631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Data videos integrate dynamic charts, voice narration, and synchronized animations to communicate data insights as temporal narratives, making them an effective medium for improving data consumption efficiency in the data management lifecycle. However, producing high-quality data videos requires expertise spanning data analysis, narrative design, and video production. Existing approaches fall short: static visualization tools (e.g., BI dashboards) lack narrative logic and animation; authoring tools require users to pre-prepare visualizations rather than working from raw data; pixel-level video generation models cannot guarantee data fidelity or provenance. We demonstrate DataMagic, an end-to-end interactive system that transforms raw tabular data and natural language queries into narrative data-insight videos. To ensure data fidelity, DataMagic introduces the declarative specification DVSpec, which binds visual and animation elements to underlying data fields through data-driven semantic references. To address the combinatorial explosion of the design space, DataMagic adopts a Generate-then-Orchestrate multi-agent architecture that generates candidate scenes in parallel and then optimizes narrative coherence through global orchestration. Leveraging DVSpec's decoupling of logic and rendering, the system further supports three interaction modes and structured provenance-based data Q&A, transforming one-way videos into explorable interactive data interfaces. Evaluation on 109 real-world samples validates the effectiveness of the DataMagic. Homepage: https://datamagic-home.github.io/
• Abstract（参考訳）: データビデオは動的チャート、音声ナレーション、同期アニメーションを統合して、データ洞察を時間的物語として伝達し、データ管理ライフサイクルにおけるデータ消費効率を改善する効果的な媒体となる。 しかし、高品質なデータビデオを作成するには、データ分析、物語デザイン、ビデオ制作にまつわる専門知識が必要である。 静的視覚化ツール(例えばBIダッシュボード)には、ナラティブロジックとアニメーションが欠けている;オーサリングツールは、生のデータからではなく、視覚化を事前に準備する必要がある;ピクセルレベルのビデオ生成モデルは、データの忠実さや証明を保証できない。 我々は、生の表形式データと自然言語クエリをナラティブなデータ監視ビデオに変換する、エンドツーエンドのインタラクティブシステムであるDataMagicを実演する。 データ忠実性を保証するため、DataMagicは宣言型仕様DVSpecを導入した。これは、データ駆動セマンティックリファレンスを通じて、ビジュアルおよびアニメーション要素を基礎となるデータフィールドにバインドするものだ。 デザイン空間の組合せ的爆発に対処するため、DataMagicはGenerate-then-Orchestrateマルチエージェントアーキテクチャを採用し、並列に候補シーンを生成し、グローバルオーケストレーションを通じて物語の一貫性を最適化する。 DVSpecのロジックとレンダリングの分離を利用して、3つのインタラクションモードと構造化されたプロファイランスベースのデータQ&Aをサポートし、一方の動画を探索可能なインタラクティブなデータインターフェースに変換する。 109個の実世界のサンプルの評価は、DataMagicの有効性を検証する。 Homepage: https://datamagic-home.github.io/

関連論文リスト

• DATAREEL: Automated Data-Driven Video Story Generation with Animations [40.67215506530081]
  データ駆動型ビデオストーリー自動生成のベンチマークであるDataReelを紹介する。 各ストーリーは構造化されたデータ、チャートの視覚化、ナレーションの書き起こしをペアリングする。 本稿では,タスクを計画,生成,検証の各段階に分割するマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T04:56:25Z)
• VDCook:DIY video data cook your MLLMs [3.170179753848826]
  VDCookは、研究者と垂直ドメインチームのための自己進化型のビデオデータオペレーティングシステムである。 完全な証明とメタデータを備えたドメイン内のデータパッケージと再現可能なノートブックを生成する。
  論文  参考訳（メタデータ） (2026-03-04T10:39:04Z)
• Sparrow: Data-Efficient Video-LLM with Text-to-Image Augmentation [57.34255010956452]
  この研究は、合成データによるスケーリングを再考し、データ中心の観点からビデオLLMの開発に焦点を当てる。 本研究では,純粋なテキスト命令データからビデオライクなサンプルを合成するSparrowというデータ拡張手法を提案する。 提案手法は,より多くのサンプルを用いてトレーニングしたベースラインに匹敵する,あるいは優れた性能を実現する。
  論文  参考訳（メタデータ） (2024-11-29T18:59:54Z)
• VEATIC: Video-based Emotion and Affect Tracking in Context Dataset [34.77364955121413]
  私たちは、コンテキストデータセット(VEATIC)におけるビデオベースの感情と感情追跡という、まったく新しい大きなデータセットを導入しました。 VEATICにはハリウッド映画、ドキュメンタリー、ホームビデオの124本のビデオクリップがあり、各フレームの連続的な評価と刺激的な評価をリアルタイムで行う。 提案するコンピュータビジョンタスクでは,映像フレームのコンテキスト情報と文字情報の両方を用いて,選択した文字の影響を推測する。
  論文  参考訳（メタデータ） (2023-09-13T06:31:35Z)
• OmniDataComposer: A Unified Data Structure for Multimodal Data Fusion and Infinite Data Generation [8.149870655785955]
  OmniDataComposerは、マルチモーダルデータ融合と無制限データ生成のための革新的なアプローチである。 6400以上のオブジェクトを識別でき、視覚情報のスペクトルを大幅に広げる。 多様なモダリティを網羅し、モダリティ間の相互強化を促進し、モダリティ間のデータ修正を容易にする。
  論文  参考訳（メタデータ） (2023-08-08T08:30:16Z)
• HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
  我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。 本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。 我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
  論文  参考訳（メタデータ） (2021-10-05T01:18:15Z)
• Automatic Curation of Large-Scale Datasets for Audio-Visual Representation Learning [62.47593143542552]
  本稿では,自動データセットキュレーションのためのサブセット最適化手法について述べる。 本研究では,高視聴覚対応の映像を抽出し,自己監視モデルが自動的に構築されているにもかかわらず,既存のスケールのビデオデータセットと類似したダウンストリームパフォーマンスを達成できることを実証した。
  論文  参考訳（メタデータ） (2021-01-26T14:27:47Z)

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。