StructChart：关于视觉图表理解的模式、度量和增强方法

图表在各个科学领域的文献中十分常见，能够向读者传达丰富且易于获取的信息。目前与图表相关的任务主要集中在两个方面：一是从视觉图表中提取信息的图表感知，二是基于提取的数据（例如以表格形式）进行图表推理。本文介绍了一种名为StructChart的新框架，该框架利用结构化三元组表示（STR）实现了一个统一且标签高效的图表感知和推理方法，该方法不仅适用于不同的下游任务，而且超越了同行研究中特别关注的问题回答任务。具体而言，StructChart首先将图表数据从线性化的CSV格式重新表述为STR，这可以有效地缩小图表感知与推理之间的任务差距。接着，我们提出了一种面向结构化图表的表示度量（SCRM），用于定量评估图表感知任务的性能。为了增强训练效果，我们进一步探索了大型语言模型（LLMs）在增加图表视觉样式和统计信息多样性方面的潜力。大量实验表明，在各种与图表相关的任务中，统一的图表感知-推理范式展示了其有效性和潜力，推动了图表理解的前沿发展。