論文の概要: What You See Is What You Get: Observation-Aligned Supervision for Chart-to-Code Generation

• arxiv url: http://arxiv.org/abs/2607.04726v1
• Date: Mon, 06 Jul 2026 06:53:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.065079
• Title: What You See Is What You Get: Observation-Aligned Supervision for Chart-to-Code Generation
• Title（参考訳）: 目にするものは何か: チャートからコードへの生成のための観察調整されたスーパービジョン
• Abstract要約: 多くのチャートプログラムは、レンダリングされた画像から一意に回収できない潜在生変数を含む。 本稿では,潜伏する生データターゲットを視覚的観察に制約された量で置き換えるリライトフレームワークであるオブザーバ・アラインド・インフォメーションを導入する。 この結果から,チャート・トゥ・コードモデルの改善には,データや高度な学習目的やアルゴリズムだけでなく,チャート画像から識別可能なものを尊重する監視対象も必要であることが示唆された。
• 参考スコア（独自算出の注目度）: 50.62320148925983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chart-to-code generation is commonly trained with supervised fine-tuning on reference plotting scripts, implicitly treating the gold code as a fully observable target. We argue that this assumption is often invalid: many chart programs contain latent raw variables that cannot be uniquely recovered from the rendered image. For example, a boxplot exposes summary statistics rather than original samples, a pie chart reveals proportions rather than arbitrary raw values, and a histogram shows bin-level mass rather than individual observations. Supervising models to reproduce such non-identifiable quantities encourages hallucination and over-specified code generation. We introduce Observation-Aligned supervision, a rewriting framework that replaces latent raw-data targets with quantities constrained by the visual observation: box statistics for boxplots, wedge percentages for pie charts, and bin weights for histograms. Applying this framework to chart-to-code training data from two sources, we obtain the Observation-Aligned supervision target data. Experiments across multiple VLMs on ChartMimic and ChartX demonstrate consistent improvements in observable value recovery, including under both-executable evaluation. Our results suggest that improving chart-to-code models requires not only more data or advanced learning objectives or algorithms, but also supervision targets that respect what is identifiable from the chart image.
• Abstract（参考訳）: チャート・トゥ・コード生成は一般的に、参照プロットスクリプトの教師付き微調整によって訓練され、金のコードを完全に観測可能なターゲットとして暗黙的に扱う。 多くのチャートプログラムは、レンダリングされた画像から一意に回収できない潜在生変数を含む。 例えば、ボックスプロットはオリジナルのサンプルではなく要約統計を公開し、パイチャートは任意の生値ではなく比率を示し、ヒストグラムは個々の観測よりもビンレベルの質量を示す。 このような特定不可能な量を再現するためにモデルを監督することは幻覚と過度に特定されたコード生成を促進する。 ボックスプロットのボックス統計,パイチャートのウェッジパーセンテージ,ヒストグラムのビンウェイトといった,潜伏する生データターゲットを視覚観測によって制約された量に置き換えるリライトフレームワークである。 このフレームワークを2つのソースからグラフ・トゥ・コード・トレーニングデータに適用し、観測適応型監視対象データを得る。 ChartMimicとChartXの複数のVLM実験では、両方の実行可能な評価を含む、観測可能な値回復の一貫性のある改善が示されている。 この結果から,チャート・トゥ・コードモデルの改善には,データや高度な学習目的やアルゴリズムだけでなく,チャート画像から識別可能なものを尊重する監視対象も必要であることが示唆された。

関連論文リスト

• Chartographer: Counterfactual Chart Generation for Evaluating Vision-Language Models [28.71090458690654]
  Chartographerは、チャートを実行可能なコードにリバースエンジニアリングするフレームワークである。 我々は,視覚言語モデル(VLM)を用いて,変動感度と一般化可能性を評価する。
  論文  参考訳（メタデータ） (2026-05-26T17:20:15Z)
• CharTide: Data-Centric Chart-to-Code Generation via Tri-Perspective Tuning and Inquiry-Driven Evolution [23.66187133157774]
  CharTideは、チャート・ツー・コード生成のための新しいデータ中心のフレームワークである。 トレーニングを視覚的知覚、純粋テキストのコードロジック、モダリティの融合ストリームに明確に分離する。 ChartMimic、Plot2Code、ChartXの実験によると、ChartTide-7B/8Bはオープンソースベースラインを著しく上回っている。
  論文  参考訳（メタデータ） (2026-04-24T03:39:51Z)
• ChartMaster: Advancing Chart-to-Code Generation with Real-World Charts and Chart Similarity Reinforcement Learning [64.4193334712998]
  チャートからコードへの生成タスクでは、チャートイメージを実行可能なコードに変換するMLLMが必要である。 このタスクは、データ多様性の制限と、生成されたチャートと元のチャートの間の視覚的一貫性を維持することの難しさという、2つの大きな課題に直面する。 本稿では,arXiv論文から抽出した実世界の人間設計チャートをプロンプトとして活用するReChartPromptを提案する。 また,GRPOに基づく強化学習アルゴリズムであるChartSimRLを提案する。
  論文  参考訳（メタデータ） (2025-08-25T02:32:56Z)
• 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)
• ChartLens: Fine-grained Visual Attribution in Charts [106.44872805609673]
  Post-Hoc Visual Attribution for Chartsは、所定のチャート関連応答を検証する詳細なチャート要素を特定する。 グラフオブジェクトの識別にセグメンテーションに基づく手法を用いた新しいチャート属性アルゴリズムであるChartLensを提案する。 評価の結果,ChartLensの微粒化属性は26-66%向上した。
  論文  参考訳（メタデータ） (2025-05-25T23:17:32Z)
• RefChartQA: Grounding Visual Answer on Chart Images through Instruction Tuning [63.599057862999]
  RefChartQAは、Chart Question Answering(ChartQA)とビジュアルグラウンドを統合した、新しいベンチマークである。 実験により,グラウンド化による空間認識を取り入れることで,応答精度が15%以上向上することが実証された。
  論文  参考訳（メタデータ） (2025-03-29T15:50:08Z)
• 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)
• 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)

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。