論文の概要: ChartSync: A Benchmark for Visuo-Logical Cascading Chart Editing
- arxiv url: http://arxiv.org/abs/2607.10301v1
- Date: Sat, 11 Jul 2026 13:10:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.388615
- Title: ChartSync: A Benchmark for Visuo-Logical Cascading Chart Editing
- Title（参考訳）: ChartSync: Visuo-Logical Cascading Chartの編集ベンチマーク
- Abstract要約: 生成画像編集モデルは、データ修正が幾何同期を必要とする場合、構造化された統計チャートと競合する。
ChartSyncは、プログラム的なレンダリングパイプラインによって構築されたエキスパート検証済みのベンチマークである。
ChartSyncは、9つのチャートカテゴリと4つのタスクタイプにまたがる870のトリプルで構成されており、235のジオメトリ結合VLCEインスタンスを含んでいる。
- 参考スコア（独自算出の注目度）: 7.386438388035681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative image editing models struggle with structured statistical charts when data modifications require geometric synchronization. We formalize this task as Visuo-Logical Cascading Editing (VLCE). However, existing methods remain confined to localized text substitutions and struggle with dependency-aware cascading updates. To systematically evaluate this capability, we introduce ChartSync, an expert-validated benchmark constructed via a programmatic rendering pipeline that guarantees deterministic visuo-logical coupling for the ground truth. ChartSync comprises 870 triplets across 9 chart categories and 4 task types, including 235 geometry-coupled VLCE instances that specifically test cascading text-to-geometry synchronization. We further evaluate these instances via a two-tier framework combining objective visual metrics with a vision-language model judge paradigm to assess low-level fidelity alongside multimodal comprehension and reasoning. Evaluating 14 image editing models and one code-mediated pipeline reveals a nuanced capability gap: most open-source models suffer severe drops in geometric synchronization, while only two frontier proprietary models show emerging VLCE capability, with their residual errors mainly involving semantic isolation and background corruption. Our detailed error analysis deconstructs these failure paradigms to identify core meta-abilities for guiding future multimodal architectures. The ChartSync dataset and code are publicly released at https://github.com/kaka-yjk/ChartSyncCodebase.
- Abstract（参考訳）: 生成画像編集モデルは、データ修正が幾何同期を必要とする場合、構造化された統計チャートと競合する。
本稿では,このタスクをVLCE (Visuo-Logical Cascading Editing) として定式化する。
しかし、既存のメソッドは、ローカライズされたテキスト置換に限られており、依存関係を意識したカスケード更新に苦労している。
この能力を体系的に評価するために,プログラム的なレンダリングパイプラインを通じて構築された専門家検証ベンチマークであるChartSyncを導入する。
ChartSyncには、9つのチャートカテゴリと4つのタスクタイプにまたがる870のトリプルが含まれている。
さらに、客観的な視覚メトリクスと視覚言語モデル判断パラダイムを組み合わせた2層フレームワークを用いて、これらの事例を評価し、マルチモーダル理解と推論とともに低レベルの忠実度を評価する。
大部分のオープンソースモデルは、幾何同期において深刻な損失を被る一方、2つのフロンティアプロプライエタリモデルは、主にセマンティックアイソレーションとバックグラウンド汚職を含む残差を含む、VLCE能力の出現を示すのみである。
我々の詳細なエラー分析は、将来のマルチモーダルアーキテクチャを導くためのコアメタ能力を特定するために、これらの障害パラダイムを分解する。
ChartSyncデータセットとコードはhttps://github.com/ka-yjk/ChartSyncCodebaseで公開されている。
関連論文リスト
- Taming I2V models for Image HOI Editing: A Cognitive Benchmark and Agentic Self-Correcting Framework [62.705866028818576]
現在の画像編集法は静的属性で優れているが、複雑なHuman-Object Interactions (HOI)では失敗する
3つの進歩的認知レベルを持つ総合的なベンチマークであるHOI-Editを紹介する。
HOI-Editでは、SCPEは対話におけるNano Bananaのような最先端(SOTA)編集モデルと競合するパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-06-17T13:44:26Z) - ChartArena: Benchmarking Chart Parsing across Languages, Scenarios, and Formats [31.5696204376104]
数値チャートと図形構造の両方にまたがる8つのチャートファミリをカバーする総合ベンチマークであるChartArenaを紹介する。
データセットは、アノテーションの信頼性を保証するために、マルチステージのヒューマン検証を備えたヒューマンエージェントアノテーションパイプラインを介して構築される。
i) Gemini 3.1 Proのようなフロンティアモデルが全体としてリードしているが、最も強力なオープンソースシステムは急速にギャップを埋めている。
論文 参考訳（メタデータ） (2026-05-31T17:00:17Z) - 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) - ChartEditBench: Evaluating Grounded Multi-Turn Chart Editing in Multimodal Language Models [4.257440824082894]
ChartEditBenchは、コードによるインクリメンタルで視覚的なグラフ編集のためのベンチマークです。
以前のワンショットベンチマークとは異なり、ChartEditBenchは持続的でコンテキスト対応の編集を評価する。
最先端のMLLMを用いた実験では、エラーの蓄積と共有コンテキストの分解により、マルチターン設定が大幅に劣化することが示された。
論文 参考訳（メタデータ） (2026-02-17T17:45:34Z) - ChartAnchor: Chart Grounding with Structural-Semantic Fidelity [19.798612765001746]
チャートグラウンド(英: Chart grounding)とは、チャートの視覚的外観と構造的意味論の間の双方向のアライメントを指す。
ChartAnchorは、8k以上のチャートテーブルコードトリプルのベンチマークである。
マルチレベル評価フレームワークは、セマンティックバリデーション、スタイリスティック分析、知覚メトリクスを統合して、構造的およびコンテンツレベルの正確性を評価する。
論文 参考訳（メタデータ） (2025-11-30T18:28:09Z) - ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning [54.86473583610112]
グラフの連鎖推論に反射的相互作用を統合するPointCoTを提案する。
位置アノテーションに基づいてMLLMにバウンディングボックスと再レンダリングチャートを生成することで、テキスト推論ステップと視覚的接地領域の接続を確立する。
我々は、いくつかのグラフベンチマークにおいて最先端のモデルであるChartPointQ2とChartPointQ2.5を開発した。
論文 参考訳（メタデータ） (2025-11-29T04:01:55Z) - EdiVal-Agent: An Object-Centric Framework for Automated, Fine-Grained Evaluation of Multi-Turn Editing [170.71134330650796]
EdiVal-Agentは、命令ベースの画像編集のためのオブジェクト指向評価フレームワークである。
標準のシングルターンだけでなく、マルチターンの命令ベースの編集を精度良く評価するように設計されている。
EdiVal-Benchは、インコンテキスト、フローマッチング、拡散パラダイムにまたがる9つの命令タイプと13の最先端編集モデルをカバーするベンチマークである。
論文 参考訳（メタデータ） (2025-09-16T17:45:39Z) - Skeleton-based sign language recognition using a dual-stream spatio-temporal dynamic graph convolutional network [5.682892456212134]
本稿では、幾何学モデルとジェスチャーモデルを分離した2重参照2重ストリームアーキテクチャであるDual-SignLanguageNetを紹介する。
DSLNetは、挑戦的なWLASL-100、WLASL-300、LSA64データセットでそれぞれ93.70%、89.97%、99.79%の精度を達成した。
論文 参考訳（メタデータ） (2025-09-10T14:58:21Z) - From Editor to Dense Geometry Estimator [77.21804448599009]
密度幾何予測のための拡散変換器(DiT)アーキテクチャに基づく高度な編集モデルを適用するフレームワークである textbfFE2E を紹介する。
FE2EはETH3Dデータセットで35%以上のパフォーマンス向上を実現し、100$times$データでトレーニングされたDepthAnythingシリーズを上回っている。
論文 参考訳（メタデータ） (2025-09-04T15:58:50Z) - 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) - Joint Feature Learning and Relation Modeling for Tracking: A One-Stream
Framework [76.70603443624012]
特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。
このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。
OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
論文 参考訳（メタデータ） (2022-03-22T18:37:11Z)
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。