論文の概要: Same Chart, Different Story: Bias in Vision-Language Chart Interpretation

• arxiv url: http://arxiv.org/abs/2609.26210v1
• Date: Wed, 12 Aug 2026 01:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.923591
• Title: Same Chart, Different Story: Bias in Vision-Language Chart Interpretation
• Title（参考訳）: 同じチャートと異なるストーリー:ビジョンランゲージチャート解釈のバイアス
• Abstract要約: 視覚言語モデル(VLM)は、チャートの解釈にますます使われている。 彼らは、参照された社会集団だけを変えると、同じチャートのために異なる物語を作るかもしれない。 本稿では,VLMに基づくチャート解釈におけるバイアス監査のための最初のベンチマークであるChartBiasを紹介する。
• 参考スコア（独自算出の注目度）: 5.405210607105581
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-language models (VLMs) are increasingly used to interpret charts and generate natural-language explanations for socially consequential data. However, they may produce different narratives for the same chart when only the referenced social group changes, reinforcing stereotypes and misleading decisions. Despite these risks, no benchmark exists for systematically evaluating bias in chart interpretation across social dimensions. We introduce ChartBias, the first benchmark for auditing bias in VLM-based chart interpretation. ChartBias contains 820 manually curated real-world charts spanning six attributes: race, income, age, religion, immigration status, and gender, yielding 4,319 valid chart, attribute instances and 8,638 paired generations where the chart is fixed and only the group term is swapped. Across 12 proprietary and open-source VLMs, totaling 155,484 model responses, we find three widespread failure modes: narrative shift (same chart, different narratives), group hallucination (assigning a chart to a group without evidence), and preference polarity (favourable trends often linked to one group). We further propose a multi-agent mitigation framework that serves as a strong baseline by separating chart-grounded evidence extraction from group-conditioned generation and using a counterfactual judge to verify that group-driven differences are supported by the chart. The framework substantially reduces narrative shift while preserving chart-grounded reasoning. Our findings show that evaluating chart understanding requires measuring not only accuracy, but also fairness and consistency across social groups. We release ChartBias at https://github.com/vis-nlp/ChartBiasBench.
• Abstract（参考訳）: 視覚言語モデル(VLM)は、グラフを解釈し、社会的に連続したデータに対する自然言語の説明を生成するためにますます使われている。 しかし、参照された社会集団だけが変化し、ステレオタイプを補強し、誤解を招く決定を下すと、同じチャートに対して異なる物語を生み出す可能性がある。 これらのリスクにもかかわらず、社会次元にわたってチャート解釈におけるバイアスを体系的に評価するベンチマークは存在しない。 本稿では,VLMに基づくチャート解釈におけるバイアス監査のための最初のベンチマークであるChartBiasを紹介する。 ChartBiasには、人種、収入、年齢、宗教、移民のステータス、性別の6つの属性にまたがる820の現実世界のチャートが含まれており、4,319の有効なチャート、属性インスタンス、そして8,638のペアの世代がチャートを固定し、グループ用語のみを置き換えている。 12のプロプライエタリでオープンソースのVLMで、合計155,484のモデル応答があり、物語シフト(サマチャート、異なる物語)、グループ幻覚(エビデンスのないグループにチャートを割り当てる)、選好の極性(しばしば1つのグループに関連づけられる傾向)という3つの広範な障害モードが見られます。 さらに、グループ条件付き世代から抽出されたグラフ基底証拠を分離し、反実的判断を用いて、グループ駆動の差異がチャートによって支持されていることを検証することにより、強力なベースラインとして機能するマルチエージェント緩和フレームワークを提案する。 このフレームワークは、グラフ基底の推論を維持しながら、物語のシフトを大幅に減少させる。 以上の結果から,グラフ理解の評価には精度だけでなく,社会集団間の公平性や一貫性も必要であることが示唆された。 https://github.com/vis-nlp/ChartBiasBench.comでChartBiasをリリースします。

関連論文リスト

• ChartDiff: A Large-Scale Benchmark for Comprehending Pairs of Charts [0.22843885788439797]
  クロスチャート比較要約のための最初の大規模ベンチマークであるChartDiffを紹介する。 ChartDiffは、さまざまなデータソース、チャートタイプ、ビジュアルスタイルにまたがる8,541のチャートペアで構成されている。 ChartDiffを用いて、汎用、チャート特化、パイプラインベースモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-30T18:29:02Z)
• ChartAttack: Testing the Vulnerability of LLMs to Malicious Prompting in Chart Generation [51.49421299447412]
  マルチモーダルな大言語モデル(MLLM)は、データテーブルからのチャート生成を自動化するためにますます使われている。 ChartAttackは,MLLMを誤用して大規模にミスリードチャートを生成する方法を評価するフレームワークである。
  論文  参考訳（メタデータ） (2026-01-19T11:57:48Z)
• 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)
• ChartGemma: Visual Instruction-tuning for Chart Reasoning in the Wild [28.643565008567172]
  本稿では,PaliGemma上で開発された新しいチャート理解と推論モデルであるChartGemmaを紹介する。 基礎となるデータテーブルに頼るのではなく、ChartGemmaは、チャートイメージから直接生成されたインストラクションチューニングデータに基づいて訓練される。 我々の単純なアプローチは、チャートの要約、質問応答、ファクトチェックにまたがる5ドルのベンチマークで最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-07-04T22:16:40Z)
• 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)
• ChartCheck: Explainable Fact-Checking over Real-World Chart Images [11.172722085164281]
  ChartCheckは、実世界のグラフに対する説明可能な事実チェックのための、新しい大規模データセットである。 視覚言語モデルとチャート・ツー・テーブルモデルを用いてChartCheckを体系的に評価し,コミュニティにベースラインを提案する。
  論文  参考訳（メタデータ） (2023-11-13T16:35:29Z)

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。