Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2501.11233

帮助 | 高级搜索

计算机科学 > 信息检索

arXiv:2501.11233 (cs)
[提交于 2025年1月20日 ]

标题: PlotEdit:通过多模态大语言模型代理实现PDF中可访问的图表编辑的自然语言驱动方法

标题: PlotEdit: Natural Language-Driven Accessible Chart Editing in PDFs via Multimodal LLM Agents

Authors:Kanika Goswami, Puneet Mathur, Ryan Rossi, Franck Dernoncourt
摘要: 图表可视化虽然对于数据解释和交流至关重要,但通常只能以PDF中的图像形式访问,缺乏源数据表和样式信息。 为了实现对PDF或数字扫描中图表的有效编辑,我们提出了PlotEdit,这是一种新的多智能体框架,通过自省的大语言模型代理实现自然语言驱动的端到端图表图像编辑。 PlotEdit协调五个大语言模型代理:(1) Chart2Table用于数据表提取,(2) Chart2Vision用于风格属性识别,(3) Chart2Code用于检索渲染代码,(4) 指令分解代理用于将用户请求解析为可执行步骤,以及(5) 多模态编辑代理用于实现细微的图表组件修改——所有操作均通过多模态反馈协调,以保持视觉保真度。 PlotEdit在ChartCraft数据集上,在风格、布局、格式和以数据为中心的编辑方面优于现有基线,提高了视障用户的可访问性并提升了新手的生产力。
摘要: Chart visualizations, while essential for data interpretation and communication, are predominantly accessible only as images in PDFs, lacking source data tables and stylistic information. To enable effective editing of charts in PDFs or digital scans, we present PlotEdit, a novel multi-agent framework for natural language-driven end-to-end chart image editing via self-reflective LLM agents. PlotEdit orchestrates five LLM agents: (1) Chart2Table for data table extraction, (2) Chart2Vision for style attribute identification, (3) Chart2Code for retrieving rendering code, (4) Instruction Decomposition Agent for parsing user requests into executable steps, and (5) Multimodal Editing Agent for implementing nuanced chart component modifications - all coordinated through multimodal feedback to maintain visual fidelity. PlotEdit outperforms existing baselines on the ChartCraft dataset across style, layout, format, and data-centric edits, enhancing accessibility for visually challenged users and improving novice productivity.
评论: 被ECIR 2025接受
主题: 信息检索 (cs.IR) ; 计算与语言 (cs.CL); 多智能体系统 (cs.MA)
引用方式: arXiv:2501.11233 [cs.IR]
  (或者 arXiv:2501.11233v1 [cs.IR] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.11233
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Puneet Mathur [查看电子邮件]
[v1] 星期一, 2025 年 1 月 20 日 02:31:52 UTC (6,510 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.MA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.CL
cs.IR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号