論文の概要: ChartRevise: A Dataset and Evaluation Protocol for Exact Chart Editing via Code

• arxiv url: http://arxiv.org/abs/2609.38642v1
• Date: Tue, 29 Sep 2026 23:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.821391
• Title: ChartRevise: A Dataset and Evaluation Protocol for Exact Chart Editing via Code
• Title（参考訳）: ChartRevise: コードによるチャート編集を実現するためのデータセットと評価プロトコル
• Abstract要約: チャート編集にはクロスモーダルな編集グラウンドが必要で、それを描画するコードに要求された視覚的変更を実現する。 本稿では,正確なプログラム基底チャート編集のための構造化データセットと評価プロトコルであるChartReviseを紹介する。 結果として得られたデータセットには、20のチャートタイプと3つのプロットライブラリにわたる344の編集タイプをカバーする92,438のレコードが含まれている。
• 参考スコア（独自算出の注目度）: 17.85166764909197
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Chart editing requires cross-modal edit grounding, realizing a requested visual change in the code that draws it, with necessary related updates and without altering unrelated content. Existing benchmarks emphasize either code executability or chart quality, but their metrics do not clearly distinguish request completion from missed coupled updates and gratuitous changes. We introduce ChartRevise, a structured dataset and evaluation protocol for exact program-grounded chart editing. For dataset construction, we build on the grammar of graphics to systematically cover chart-editing operations, using source-program checks to verify their applicability across chart types and libraries. To improve edit exactness, our pipeline checks individual requirements and guides repair or exclusion when they are unmet. The resulting dataset contains 92,438 records covering 344 edit types across 20 chart types and three plotting libraries. For evaluation, our reference-free protocol separately measures atomic requirement completion, identifies gratuitous changes, and detects missed coupled updates. These checks are combined with successful execution and rendering to determine exact-edit success. Across five models and four external benchmarks, fine-tuning yields relative gains of 16\% in mean requirement recall and 22\% in mean exact-edit rate.
• Abstract（参考訳）: チャートの編集には、クロスモーダルな編集基盤が必要で、要求された視覚的な変更を描画するコードで実現し、関連する更新を必要とせず、無関係なコンテンツを変更することなく行う。 既存のベンチマークでは、コードの実行可能性やチャートの品質が重視されているが、彼らのメトリクスは、リクエストの完了と、重複した更新の欠如と、悲惨な変更を明確に区別していない。 本稿では,正確なプログラム基底チャート編集のための構造化データセットと評価プロトコルであるChartReviseを紹介する。 データセット構築のために、我々はグラフ編集操作を体系的にカバーするグラフィクスの文法を構築し、ソースプログラムチェックを使用してチャートタイプやライブラリ間の適用性を検証する。 編集精度を改善するため、パイプラインは個々の要求をチェックし、未完成の時に修理や除外をガイドします。 結果として得られたデータセットには、20のチャートタイプと3つのプロットライブラリにわたる344の編集タイプをカバーする92,438のレコードが含まれている。 評価のために、我々の参照フリープロトコルは、別々にアトミックな要求完了を計測し、不適切な変更を識別し、重複した更新を検知する。 これらのチェックは実行とレンダリングをうまく組み合わせて、正確な編集の成功を決定する。 5つのモデルと4つの外部ベンチマークで、微調整は平均要求リコールで16\%、正確な編集レートで22\%の相対的な利得を得る。

関連論文リスト

• What You See Is What You Get: Observation-Aligned Supervision for Chart-to-Code Generation [50.62320148925983]
  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。
  論文  参考訳（メタデータ） (2026-07-06T06:53:40Z)
• ChartLens: A Dual-Branch Framework for Chart Data Correction and Factual Summary Refinement [55.77198392899527]
  データMFMチャレンジトラック2:チャート理解のためのチャンピオンソリューションを提示する。 このトラックは、構造化されたチャートデータを復元し、チャート画像から忠実な自然言語要約を生成するモデルを必要とする。 グラフデータの修正と要約を行うための二分岐フレームワークであるChartLensを提案する。
  論文  参考訳（メタデータ） (2026-06-09T09:45:01Z)
• Scoring Edit Impact in Grammatical Error Correction via Embedded Association Graphs [12.608012136037997]
  文法的誤り訂正(英: Grammatical Error Correction, GEC)は、誤り文を修正するための一連の編集を生成するシステムである。 これらの編集の質は、典型的には人間のアノテーションに対して評価される。 最近のメタ評価アプローチは、複数の参照にまたがって人間の判断に依存するが、大規模なデータセットにスケールすることは困難である。 本稿では,GECシステムによる編集の重要性を自動的に見積もる新しいタスク,Scoring Edit Impact in GECを提案する。
  論文  参考訳（メタデータ） (2026-04-08T01:37:59Z)
• ChartE$^{3}$: A Comprehensive Benchmark for End-to-End Chart Editing [64.65742943745866]
  ChartE$3$はEnd-to-End Chart Editingベンチマークである。 中間的な自然言語プログラムやコードレベルの監視に頼ることなく、モデルを直接評価する。 1200以上の高品質なサンプルが、十分に設計されたデータパイプラインを通じて構築されている。
  論文  参考訳（メタデータ） (2026-01-29T13:29:27Z)
• Charts Are Not Images: On the Challenges of Scientific Chart Editing [66.38730113476677]
  textitFigEditは、3万以上のサンプルからなる科学的フィギュア編集のベンチマークである。 私たちのベンチマークでは、ピクセルレベルの操作の重大な制限が示されています。 textitFigEdit をリリースすることにより,構造対応図形編集の体系的な進歩の実現を目指す。
  論文  参考訳（メタデータ） (2025-11-30T06:13:48Z)
• ChartEditor: A Reinforcement Learning Framework for Robust Chart Editing [46.847377471580366]
  私たちは、31のチャートカテゴリにまたがる7,964のサンプルからなる総合的なベンチマークであるChartEditVistaを紹介します。 ChartEditVistaのインプットには、オリジナルのチャートコードなしで、オリジナルのチャートイメージと自然言語編集命令のみが含まれている。 また、コード実行可能性と視覚的忠実性を同時に実施するために、新しいレンダリング報酬を含む強化学習フレームワークを使用してトレーニングされたモデルであるChartEditorも提示する。
  論文  参考訳（メタデータ） (2025-11-19T09:27:37Z)
• ChartEdit: How Far Are MLLMs From Automating Chart Analysis? Evaluating MLLMs' Capability via Chart Editing [6.671042213908933]
  マルチモーダルな大言語モデル(MLLM)は、チャートレンダリングコードを生成する際の約束を示すが、コードによるチャートの編集はより難しい課題である。 グラフ編集タスク用に設計された新しいベンチマークであるtextscChartEditを提案する。 コードレベルとチャートレベルの2種類の実験で10種類のMLLMの性能を評価した。
  論文  参考訳（メタデータ） (2025-05-17T09:47:15Z)
• 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)

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。