論文の概要: Detecting Rendering Bugs in Imperative Data Visualization Libraries via Equivalent Mutations

• arxiv url: http://arxiv.org/abs/2607.12363v2
• Date: Wed, 15 Jul 2026 04:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 12:21:59.536428
• Title: Detecting Rendering Bugs in Imperative Data Visualization Libraries via Equivalent Mutations
• Title（参考訳）: 等価変異による命令型データ可視化ライブラリのレンダリングバグの検出
• Abstract要約: Imperative Dataビジュアライゼーションライブラリは、一連のステートフルAPIコールを通じてプロットを構築し、グラフィック要素を漸進的に生成し、更新する。 これらのライブラリのバグのレンダリングは、クラッシュや例外ではなく、誤った視覚出力として現れることが多い。 本稿では,命令型データビジュアライゼーションライブラリのレンダリングバグを等価な突然変異で検出する自動テスト手法であるVIZDETOURを提案する。
• 参考スコア（独自算出の注目度）: 3.2211314799234803
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Imperative data visualization libraries construct plots through a sequence of stateful API calls that incrementally create and update graphic elements. Rendering bugs in these libraries often manifest as incorrect visual outputs rather than crashes or exceptions, making them difficult to detect automatically. A fundamental challenge is the lack of an oracle that specifies the expected rendering of an arbitrary plotting script. Furthermore, an update to one graphic element may inadvertently affect other elements or properties, leading to subtle inconsistencies in the final rendered image. This paper presents VIZDETOUR, an automated testing approach for detecting rendering bugs in imperative data visualization libraries via equivalent mutations. The key idea is to transform the oracle problem into an equivalence-checking problem. Starting from a seed plotting script, VIZDETOUR appends a short sequence of semantically equivalent API calls that temporarily modify the visualization state and then restore it to its original state. Although these mutations exercise different execution paths, they should preserve the final rendering. Any visual discrepancy between the original and mutated scripts therefore indicates a rendering bug. To generate such mutations, VIZDETOUR constructs a render tree from the seed script, identifies traceable graphic elements and mutable properties, and synthesizes endpoint-preserving mutation sequences. It then compares the rendered outputs using perceptual hashing. We evaluate VIZDETOUR on matplotlib, bokeh, and plotly using scripts collected from their official example galleries. VIZDETOUR discovers 47 previously unknown bugs, of which 39 are confirmed and 18 are fixed.
• Abstract（参考訳）: Imperative Dataビジュアライゼーションライブラリは、一連のステートフルAPIコールを通じてプロットを構築し、グラフィック要素を漸進的に生成し、更新する。 これらのライブラリのバグのレンダリングは、クラッシュや例外ではなく、誤った視覚出力として現れることが多いため、自動検出は困難である。 基本的な課題は、任意のプロットスクリプトの予想レンダリングを指定するオラクルがないことである。 さらに、あるグラフィック要素の更新は、必然的に他の要素やプロパティに影響を与え、最終的なレンダリング画像に微妙な矛盾をもたらす可能性がある。 本稿では,命令型データビジュアライゼーションライブラリのレンダリングバグを等価な突然変異で検出する自動テスト手法であるVIZDETOURを提案する。 鍵となる考え方は、オラクル問題を等価チェック問題に変換することである。 シードプロットスクリプトから始めて、VIZDETOURはセマンティックに等価なAPI呼び出しの短いシーケンスを追加し、一時的に視覚化状態を変更し、元の状態に復元する。 これらの変異は異なる実行パスを実行するが、最終的なレンダリングを維持する必要がある。 したがって、オリジナルのスクリプトと変更されたスクリプトの視覚的な違いはレンダリングバグを示している。 このような突然変異を生成するために、VIZDETOURはシードスクリプトからレンダリングツリーを構築し、トレース可能なグラフィック要素とミュータブルな特性を特定し、エンドポイント保存突然変異配列を合成する。 次に、知覚的ハッシュを用いてレンダリングされた出力を比較する。 筆者らは,マツプロトリブ,ボケ,プロットでVIZDETOURを評価し,公式の蔵書から収集したスクリプトを用いてプロット的に評価した。 VIZDETOURは47の既知のバグを発見し、そのうち39が確認され18が修正された。

関連論文リスト

• ViBR: Automated Bug Replay from Video-based Reports using Vision-Language Models [17.094299668194378]
  ViBRは軽量で完全に自動化されたアプローチで、GUI記録から直接バグを再現する。 その結果、ViBRは72%のバグ記録を再現し、最先端のベースラインとアブレーションの変異を著しく上回った。
  論文  参考訳（メタデータ） (2026-04-21T18:28:02Z)
• GALA: Multimodal Graph Alignment for Bug Localization in Automated Program Repair [40.228155198574356]
  本稿では,マルチモーダル自動プログラム修復(APR)を暗黙的な意味的推測から明示的な構造的推論に移行するフレームワークであるGALAを提案する。 GALAは、まずイメージUIグラフを構築して、視覚要素とその構造的関係をキャプチャし、続いて、このUIグラフをリポジトリレベルの構造と相互参照することで、ファイルレベルのアライメントを実行する。 モダリティ間のセマンティクスとリレーショナルの整合性を強制することにより、GALAは高度に正確なビジュアル・ツー・コードマッピングを確立する。
  論文  参考訳（メタデータ） (2026-04-09T11:06:25Z)
• SVRepair: Structured Visual Reasoning for Automated Program Repair [17.545585659174773]
  大規模言語モデル(LLM)は、最近、APR(Automated Program repair)の強力な可能性を示している。 構造化された視覚表現を持つマルチモーダルAPRフレームワークである textbfSVRepair を提案する。 SVRepairはまず視覚言語モデルであるtextbfStructured Visual Representation (SVR) を微調整し、不均一な視覚的アーティファクトをアンフェマティックなシーングラフに変換する。
  論文  参考訳（メタデータ） (2026-02-05T06:26:46Z)
• Tracking and Understanding Object Transformations [43.15129025464927]
  我々は、状態変化を検出し、記述しながら、変換を通してオブジェクトを追跡する、Track Any Stateのタスクを紹介します。 ゼロショットシステムであるTubletGraphは、トランスフォーメーション後のオブジェクトを復元し、時間とともにオブジェクトの状態がどのように進化しているかをマップする。 TubeletGraphは、複雑なオブジェクト変換のための時間的接地と意味論的推論において、オブジェクト変換と有望な能力の深い理解を実現する。
  論文  参考訳（メタデータ） (2025-11-06T18:59:30Z)
• Do LVLMs Understand Charts? Analyzing and Correcting Factual Errors in Chart Captioning [90.13978453378768]
  生成したチャートキャプションに事実誤りを包括的に分類する。 大規模な人間のアノテーションの取り組みは、様々なチャートキャプションモデルによって作られたキャプションのエラーパターンと頻度に関する洞察を提供する。 分析の結果,GPT-4Vを含む最先端モデルでさえ,事実不正確なキャプションを頻繁に生成していることが判明した。
  論文  参考訳（メタデータ） (2023-12-15T19:16:21Z)
• Identifying Defect-Inducing Changes in Visual Code [54.20154707138088]
  SZZ-VC (SZZ Visual Code) は, ラインの違いではなくグラフィカル要素の違いに基づいて, 視覚的コードの変化を検知するアルゴリズムである。 業界製AAAビデオゲームのアルゴリズムを検証し、12のオープンソースプロジェクトで20の音楽ヴィジュアルプログラミングの欠陥を検証した。
  論文  参考訳（メタデータ） (2023-09-07T00:12:28Z)
• FACTUAL: A Benchmark for Faithful and Consistent Textual Scene Graph Parsing [66.70054075041487]
  画像キャプションをシーングラフに変換する既存のシーングラフは、しばしば2種類のエラーに悩まされる。 まず、生成されたシーングラフはキャプションや対応する画像の真の意味を捉えず、忠実さの欠如をもたらす。 第二に、生成されたシーングラフは一貫性が高く、同じセマンティクスは異なるアノテーションで表される。
  論文  参考訳（メタデータ） (2023-05-27T15:38:31Z)
• iEdit: Localised Text-guided Image Editing with Weak Supervision [53.082196061014734]
  テキスト誘導画像編集のための新しい学習法を提案する。 ソースイメージに条件付けされた画像とテキスト編集プロンプトを生成する。 画像の忠実度、CLIPアライメントスコア、および生成された画像と実際の画像の両方を定性的に編集する点において、画像に対して好ましい結果を示す。
  論文  参考訳（メタデータ） (2023-05-10T07:39:14Z)
• TPS++: Attention-Enhanced Thin-Plate Spline for Scene Text Recognition [78.67283660198403]
  テキストの不規則性は、シーンテキスト認識者に重大な課題をもたらす。 TPS++は、テキストの修正にアテンションメカニズムを組み込んだ、アテンション強化TPS変換である。 常に認識を改善し、最先端の精度を達成する。
  論文  参考訳（メタデータ） (2023-05-09T10:16:43Z)
• UIA-ViT: Unsupervised Inconsistency-Aware Method based on Vision Transformer for Face Forgery Detection [52.91782218300844]
  そこで我々は、UIA-ViTと呼ばれるビジョン変換器に基づく教師なし不整合認識手法を提案する。 自己注意機構により、パッチ埋め込み間の注意マップは自然に一貫性関係を表現し、一貫性表現学習に適した視覚変換器となる。
  論文  参考訳（メタデータ） (2022-10-23T15:24:47Z)

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。