charts | BriefGPT - AI 论文速递

关键词charts

搜索结果 - 19

ChartFormer: 将图表图像转换为触觉可访问的 SVG 的大型视觉语言模型
通过图表分析，将光栅图像转换为触觉可访问的 SVG，以提高可视图表的可访问性。
PDFa month ago
评估基于任务的多语言语言模型对图表的有效性
我们研究了 GPT-4V 在图表的低级数据分析任务中的有效性，并通过实验结果发现其潜力和局限性，同时提出了一种名为 “Chain-of-Charts” 的新颖文本提示策略，能够提高模型性能并揭示人类分析需求与 GPT-4V 能力之间的差距。
PDF2 months ago
网络欺骗的上下文图生成
以自动化方式生成虚假文件的关键要素是文件图表的内容生成问题，我们结合多任务变换器和专门化的多头自编码器来解决该问题，并提出了新的文档图表数据集和关键词语义匹配（KSM）度量，通过对多种大型语言模型进行广泛实验，展示了出色的性能。
PDF3 months ago
ChartInstruct: 图表理解和推理的指导调优
通过引入 ChartInstruct 数据集和两种不同的系统，我们展示了一种针对图表相关任务的指令调节方法，提供了广泛适用性和高效性。
PDF4 months ago
ChartAssisstant：通过图表 - 表格预训练和多任务指导调优的通用图表多模态语言模型
通过 ChartAssistant 这一基于图表的视觉语言模型，本研究提出了一种解决图表理解的通用模型，经实验证明在各种图表任务上取得了显著性能提升。
PDF6 months ago
LLM 在图表上有用吗？为图表问题回答和总结设计少量样本提示
通过分析任务，我们提出了用于图表相关应用的多模态少样本提示框架 PromptChart，为每个任务制定了一套提示指南，以从大型语言模型中提取出最好的少样本性能，并提出了一种将视觉信息注入到提示中的策略。我们在三个不同的图表相关信息消费任务上
PDF7 months ago
基于节拍对齐的谱图到序列生成的节奏游戏谱面
通过将图表生成任务作为一个序列生成任务并使用大型数据集训练 Transformer，我们引入了节奏感预处理和训练流程，发现我们的模型在大型数据集上优于基准模型，并且也受益于预训练和微调。
PDF7 months ago
ChartCheck：一个基于证据的事实检查数据集，用于真实世界的图表图像
通过引入 ChartCheck 数据集，该研究针对图表图像进行了事实核查，利用 1.7k 个现实世界图表和 10.5k 个人工编写的声明和解释，评估了最先进的模型，并在微调环境中实现了 73.9 的准确率，同时发现挑战模型的图表特征和推理类
PDF8 months ago
结构图：视觉图表理解的感知、结构化和推理
通过提出统一且高效标签的学习范式，我们在不同的下游任务中建立了一个联合感知和推理任务的框架，并通过改进图表信息处理和结构化信息提取，实现了更好的图表理解。
PDF10 months ago
图表分类的调查与方法
调查了当前用于图表分类的最新技术，并对最近发布的 CHARTINFO UB-UNITECH PMC 数据集进行了广泛的性能比较分析，实现了一种基于视觉的 Transformer 模型，取得了在图表分类方面顶尖的结果。
PDFa year ago
ACLVisText：基于语义丰富的图表标题生成基准测试
本文介绍了 VisText 数据集，通过 fine-tune state-of-the-art 语言模型并应用 prefix-tuning 生成语义丰富、连贯的图表描述字幕，经过比较能够接近最先进的图表字幕模型，并提出了可以指导未来工作的
PDFa year ago
UniChart: 一个通用的视觉语言预训练模型，用于图表理解和推理
本研究提出了针对图表的强化学习模型 UniChart，使用预训练技术结合低 - 高层次任务训练，使得在图表问答和图表总结等下游任务上都具有最先进的表现。
PDFa year ago
ChartReader: 无启发式规则的图表解除渲染和理解的统一框架
ChartReader 是一个统一的框架，它无缝地集成了图表 derendering 和理解任务。它使用基于转换器的图表组件检测模块和扩展的预训练视觉语言模型进行学习，该方法通过从注释数据集中自动学习图表规则来消除手动规则制定的需求，同时提
PDFa year ago
OpenCQA：利用图表进行开放式问答
此研究介绍了一种名为 OpenCQA 的新任务，即使用描述性文本回答有关图表的开放式问题，并展示了数据集的注释过程和深入分析。研究一共实现和评估了三种模型，并发现效果最优的模型能够生成流畅一致的文本，但仍然存在逻辑和算术方面的问题。
PDF2 years ago
ACLChartQA: 针对图表的问题回答的视觉和逻辑推理基准
本文提出了一个大规模基准测试，包括 9.6K 个人为编写的问题和 23.1K 个由人类编写的图表摘要生成的问题，并运用两种基于 Transformer 的模型来回答问题，这些模型将图表的视觉特征和数据表统一起来处理来解决目标检测中的视觉和逻
PDF2 years ago
ACLChart-to-Text: 一项大规模图表摘要的基准测试
本研究的 Chart-to-text 数据集为基础，使用图像字幕和数据转换技术探索了从图表到文本的自然语言概括方法以及相应的神经网络模型，研究结果表明此方法对复杂模式和趋势的描述存在困难。
PDF2 years ago
读者如何整合图表与说明：以线性图为例的研究
通过一项众包研究，我们探究了读者在同时考虑图表和标题时如何获取主要信息。研究发现，当图表和标题都描述具有高显著性的特点时，读者会将该特点作为主要信息，而当标题描述相对低显著的特点时，读者则更倾向于从图表中获取更显著的特点作为主要信息，并且外
PDF3 years ago
KDDTable2Charts: 通过学习共享表格表示推荐图表
本文介绍了一个名为 Table2Charts 的框架，通过深度 Q 学习和启发式搜索实现了表格数据到图表的自动生成，它能够在考虑数据分布和表格上下文信息的情况下推荐生成符合数据特点的图表，并在 165k 表格和 266k 图表的大型数据集上
PDF4 years ago
通过单个深度神经网络从图表中提取数据
本文介绍了一种基于深度神经网络的自动数据提取框架，用于解决处理不同类型图表时的对象关系，文本识别和对象匹配问题，并成功处理 79.4% 的模拟条形图和 88.0% 的模拟饼图，但对于训练域外的图表性能下降 57.5% 和 62.3%。
PDF5 years ago