计算机科学 > 信息检索
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.