論文の概要: ArtChart: A Benchmark for Faithful Artistic Chart Generation with Integrated Text Rendering

• arxiv url: http://arxiv.org/abs/2607.16060v1
• Date: Fri, 17 Jul 2026 15:38:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.891599
• Title: ArtChart: A Benchmark for Faithful Artistic Chart Generation with Integrated Text Rendering
• Title（参考訳）: ArtChart: 統合テキストレンダリングによる忠実なアートチャート生成のためのベンチマーク
• Abstract要約: ArtChartは、テキストレンダリングを統合したアートチャート生成のフレームワークである。 本稿では,テキストレンダリングを統合したアートチャート生成フレームワークであるArtChartを紹介する。
• 参考スコア（独自算出の注目度）: 12.880601142154767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artistic charts make data memorable and visually engaging, but generating them faithfully demands simultaneously preserving numerical geometry, rendering exact in-image text, binding labels to correct marks, and maintaining coherent artistic style. Current text-to-image and image editing models frequently fail on these coupled constraints, producing distorted geometries, hallucinated text, misbound labels, or over-stylized marks that undermine readability and mathematical integrity. This paper introduces ArtChart, a framework for artistic chart generation with integrated text rendering, encompassing a task definition, benchmark, and evaluation protocol. This is the first work to simultaneously address mathematically faithful chart synthesis, accurate in-image text rendering, and artistic stylization of chart elements. ArtChart features a chart-specific plug-and-play module conditioned on text-free grayscale chart layouts, ensuring mathematical and logical fidelity. A RL learning strategy with OCR accuracy, layout quality, and aesthetic rewards refines generation, while a multi-expert distillation framework resolves inter-reward conflicts through specialized expert optimization. We construct ArtChart-Bench, a bilingual 2K-prompt benchmark spanning four chart types and diverse label formats. We further design ArtChart-Eval, a six-axis evaluation suite covering mathematical logic, text accuracy, text layout, aesthetics, instruction following, and readability, supporting comparison across T2I, image-editing, controllable-generation, and closed-source API models. Extensive experiments demonstrate that ArtChart consistently outperforms open-source baselines, producing charts that are both visually appealing and math faithful.
• Abstract（参考訳）: アーティスティックチャートは、データを記憶し、視覚的に魅力的にするが、それらを生成することは、数値幾何学を同時に保存し、正確な画像内テキストをレンダリングし、ラベルを正しいマークに結び付け、一貫性のある芸術スタイルを維持することを要求する。 現行のテキスト・ツー・イメージの編集モデルは、これらの制約によってしばしば失敗し、歪んだジオメトリー、幻覚されたテキスト、誤ったラベル、あるいは可読性と数学的整合性を損なう過度にスティル化されたマークを生成する。 本稿では,タスク定義,ベンチマーク,評価プロトコルを含むテキストレンダリングを統合したアートチャート生成フレームワークであるArtChartを紹介する。 これは、数学的に忠実なチャート合成、正確な画像内テキストレンダリング、およびチャート要素の芸術的スタイル化を同時に扱う最初の作品である。 ArtChartは、テキストのないグレースケールチャートレイアウトで条件付けされたチャート固有のプラグアンドプレイモジュールを備えており、数学的および論理的忠実性を保証する。 OCRの精度、レイアウト品質、審美性を備えたRL学習戦略は生成を洗練させる一方、マルチエキスパート蒸留フレームワークは専門的な専門家最適化を通じてリワード間競合を解消する。 ArtChart-Benchは4つのチャートタイプと多様なラベル形式にまたがるバイリンガルな2Kプロンプトベンチマークである。 さらに、数学的論理、テキスト精度、テキストレイアウト、美学、命令追従、可読性を含む6軸評価スイートであるArtChart-Evalを設計し、T2I間の比較、画像編集、制御可能世代、クローズドソースAPIモデルをサポートする。 大規模な実験によると、ArtChartはオープンソースベースラインを一貫して上回り、視覚的に魅力的で数学に忠実なチャートを生み出している。

関連論文リスト

• ChartAnno: Evaluating MLLMs for Chart Annotation Generation [32.95031991526117]
  チャートアノテーション生成におけるMLLMの評価ベンチマークであるChartAnnoを紹介する。 1200の現実世界のチャートと、ペアコードとアノテーションの命令が3つのレベルの命令に比例している。 結果として、プロプライエタリなモデルは全体として強く保たれているが、大規模なオープンソースモデルはギャップを狭めている。
  論文  参考訳（メタデータ） (2026-08-04T11:01:38Z)
• 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)
• Semantic-Structural Alignment for Generative Pictorial Charts [59.45629259524998]
  画像チャートの自動合成のための生成フレームワークを提案する。 2つの並列外部制御信号によって誘導される二重条件生成タスクとしてこの問題をモデル化する。 本手法は,芸術的に魅力的で構造的に整合性のある図表を生成する。
  論文  参考訳（メタデータ） (2026-05-05T05:20:46Z)
• 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)
• 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)
• 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)
• ChartReader: A Unified Framework for Chart Derendering and Comprehension without Heuristic Rules [89.75395046894809]
  ChartReaderは、チャートのデレンダリングと理解タスクをシームレスに統合する統合フレームワークです。 提案手法には,トランスフォーマーに基づくチャートコンポーネント検出モジュールと,チャートからXまでのタスクに対する事前学習型視覚言語モデルが組み込まれている。 提案するフレームワークは,チャート解析に係わる作業を大幅に削減し,ユニバーサルチャート理解モデルへの一歩を踏み出すことができる。
  論文  参考訳（メタデータ） (2023-04-05T00:25:27Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• Text2Chart: A Multi-Staged Chart Generator from Natural Language Text [0.3518016233072556]
  Text2Chartは自然言語のテキストを入力とし、2次元チャートとして視覚化します。 チャートの軸要素を x と y のエンティティとして知られる与えられたテキストから識別する。 与えられたテキストに適したチャートタイプを生成する: bar, line, pie。
  論文  参考訳（メタデータ） (2021-04-09T19:42:24Z)

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。