論文の概要: Faithful Chart Generation for Multimodal Deep Research: Frame-Evidence Co-Adaptation

• arxiv url: http://arxiv.org/abs/2610.00374v1
• Date: Wed, 30 Sep 2026 07:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.62602
• Title: Faithful Chart Generation for Multimodal Deep Research: Frame-Evidence Co-Adaptation
• Title（参考訳）: マルチモーダルディープリサーチのための忠実なチャート生成:フレームエビデンス共適応
• Abstract要約: マルチモーダルディープリサーチのためのエビデンス適応型ビジュアルプランニングフレームワークである Frame-Evidence Co-Adaptation (FECA) を提案する。 FECAは、チャート生成を固定計画検証から適応的エビデンスに基づく視覚的推論にシフトする。 実世界の100件の実験から,FECAはレポートの品質とチャートの有用性を保ちながら,数値忠実度を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 109.3752882833395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Analytical charts in multimodal deep research encode quantitative claims, requiring every visualized value to be faithfully grounded in supporting evidence. Unlike retrieved images that mainly provide contextual information, charts require numerical fidelity: visualized values should not only match retrieved evidence quantitatively but also preserve its original meaning and scope. However, achieving such fidelity remains challenging because current systems usually construct visualization plans before knowing what quantitative evidence can actually be retrieved from the web. As a result, predefined plans may require entities, temporal ranges, or comparison dimensions that the retrieved evidence only partially supports. Existing approaches mainly address this issue through post-hoc verification after chart plans are fixed, enabling unsupported values to be identified but leaving the underlying visual frames unchanged. To address this challenge, we propose Frame-Evidence Co-Adaptation (FECA), an evidence-adaptive visual planning framework for multimodal deep research. Inspired by the bidirectional sensemaking process in Data-Frame Theory, FECA models chart generation as an iterative interaction between visual frames and retrieved evidence. Each visual frame is adaptive: the frame guides evidence acquisition, while retrieved evidence determines whether the frame should be accepted, revised, or dropped before rendering. By coupling visualization planning with evidence availability, FECA shifts chart generation from fixed-plan verification to adaptive evidence-grounded visual reasoning. Experiments on 100 real-world research topics show that FECA substantially improves numerical fidelity while preserving report quality and chart utility.
• Abstract（参考訳）: マルチモーダルディープリサーチにおける分析チャートは量的クレームを符号化し、すべての視覚化された価値を裏付ける証拠に忠実に基礎を置く必要がある。 主に文脈情報を提供する検索された画像とは異なり、チャートは数値的な忠実さを必要とする: 視覚化された値は、検索された証拠を定量的に一致させるだけでなく、元の意味と範囲を保存すべきである。 しかし、現在のシステムは、Webから実際に何の量的証拠を回収できるかを知る前に、可視化計画を構築しているため、そのような忠実さを達成することは依然として困難である。 その結果、事前定義された計画は、取得した証拠が部分的にしかサポートしていない実体、時間範囲、または比較次元を必要とするかもしれない。 既存のアプローチは主に、チャート計画が修正された後のポストホック検証を通じてこの問題に対処する。 この課題に対処するため,マルチモーダルディープリサーチのためのエビデンス適応型視覚計画フレームワークである Frame-Evidence Co-Adaptation (FECA) を提案する。 データフレーム理論における双方向のセンスメイキングプロセスにインスパイアされたFECAモデルは、ビジュアルフレームと検索されたエビデンスの間の反復的な相互作用としてチャート生成をモデル化する。 各ビジュアルフレームは適応的であり、フレームはエビデンス取得をガイドし、検索されたエビデンスにより、フレームがレンダリングの前に受け入れられるか、修正されるか、またはドロップされるかが決定される。 可視化計画とエビデンス・アベイラビリティーの結合により、FECAはチャート生成を固定計画検証からアダプティブ・エビデンス・グラウンドの視覚的推論にシフトさせる。 実世界の100件の実験から,FECAはレポートの品質とチャートの有用性を保ちながら,数値忠実度を大幅に向上することが示された。

関連論文リスト

• TAEC: Trajectory-Aware Evidence Coordination for Multi-Step Visual RAG [14.071030886440097]
  Trajectory-Aware Evidence Coordination は未解決の回答要求に関する証拠をコーディネートする。 Trajectory-Aware Evidence Coordinationは、トレーニング不要の視覚的RAGベースラインに対して、最高の全体的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-09-29T12:15:51Z)
• MM-OPD: Towards One More Bottleneck Between Perception and Reasoning [51.632342337454226]
  最近の大規模言語モデル(MLLM)は、知覚と推論の両方を強化することで視覚的推論を推し進めている。 我々はこの仮定に挑戦する直感的現象を観察し、モデル、疑問、復号化を保ち、イメージをキャプションやコード表現に置き換える。 本稿では,シンボル条件付き行動から画像条件付きポリシーへガイダンスを転送する,シンボル・視覚的修正のためのフレームワークMM-OPDを紹介する。
  論文  参考訳（メタデータ） (2026-09-26T14:53:25Z)
• Navigating Sparse Evidence: Agentic Visual RAG via Explicit Context Selection and Consolidation [50.92223196290564]
  明示的な証拠選択と統合のための統一エージェントループを提案する。 探索中、SCoREはクエリ関連観測とソースポインタのみを保守されたテキスト台帳に保持する。 終了時には、参照された元のイメージを再ロードし、答えの視覚的証拠を統合し、論理的なシーケンスにアレンジする。
  論文  参考訳（メタデータ） (2026-09-14T16:11:35Z)
• DEEPCHART: How Far are LLMs from Faithful Data-Science Chart Generation? [54.230123199584305]
  DEEPCHARTは、現実世界の科学論文やファイナンシャルファイリング、エコシステムレポートから1,482のグラフ生成インスタンスのエキスパートによるベンチマークである。 最先端のモデルを用いた実験では、視覚的に可視なチャートは、しばしばデータレベルの幻覚を隠蔽し、リアルな長期およびマルチモーダルな設定で一般的な抽出と推論エラーを隠蔽している。
  論文  参考訳（メタデータ） (2026-08-27T07:53:08Z)
• ConceptFormer: Learning Adaptive Latent Concepts for Query-Document Alignment in Visual Document Retrieval [62.80735412748694]
  ConceptFormerは、ビジュアル文書検索のための潜在概念表現学習フレームワークである。 クエリ関連エビデンスとは、局所化された視覚的エビデンスとセマンティックな関連性を明確に橋渡しする、連続的でクエリ条件付き潜在概念である。 平均的なNDCG@10では、最強のビジュアル検索ベースラインと最強のOCRベースのテキスト検索ベースラインに対して16.7%と22.1%の相対的な改善が達成されている。
  論文  参考訳（メタデータ） (2026-08-16T12:07:12Z)
• ColGraphRAG: Late-Interaction Evidence Retrieval for Multimodal GraphRAG [0.0]
  グラフリンク画像ノード上での視覚的候補ランク演算子を、ColBERT/ColPali系における遅延相互作用MaxSimスタイルのマルチベクトルスコアに置き換えることを評価する。 MultimodalQAでは、この変更は、グラフリンクされた画像候補と下流QAゲインの検索ステージ点推定の改善に関連している。
  論文  参考訳（メタデータ） (2026-05-09T08:30:18Z)
• Is a Picture Worth a Thousand Words? Adaptive Multimodal Fact-Checking with Visual Evidence Necessity [7.793738133162104]
  AMuFCは、視覚的エビデンスを適応的に利用するために2つの協調エージェントを使用するマルチモーダルなファクトチェックフレームワークである。 解析器の視覚的エビデンス評価を検証器の予測に組み込むことで,検証性能が大幅に向上することを示す。 すべてのコードに加えて、より現実的なシナリオでファクトチェックモジュールを評価するために新たに構築されたデータセットであるWebFCもリリースします。
  論文  参考訳（メタデータ） (2026-04-06T14:01:38Z)
• 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)
• Look As You Think: Unifying Reasoning and Visual Evidence Attribution for Verifiable Document RAG via Reinforcement Learning [55.232400251303794]
  Look As You Think (LAT)は、モデルをトレーニングし、一貫した帰属性を持った検証可能な推論パスを生成するための強化学習フレームワークである。 LATはシングルイメージとマルチイメージの両方でバニラモデルを一貫して改善し、平均ゲインは8.23%、IoU@0.5では47.0%となる。
  論文  参考訳（メタデータ） (2025-11-15T02:50:23Z)

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。