数据承载矢量图形的自动化高精度提取与取证验证

科学和工程的定量记录越来越多地由图形而非文本或表格承载，需要底层数字的读者通常必须手动重新数字化：缓慢、不精确，且无法证明结果忠实。然而，当图形以矢量图形存储时，其数据并非由图片近似，而是编码在其中：渲染器以打印精度写入每个标记和顶点，对于占主导地位的科学工具链而言，该精度超过了数据本身的精度。我们将此转化为三个贡献，分别针对手动数字化的每个缺点。首先，一个精度理论，界定了对于给定渲染器和导出格式可以恢复数据的准确度：对于matplotlib标记为位精确的float32，端到端为受校准限制的三到四位有效数字。其次，一个自动提取器，无需人工干预即可一次性解码图形，取代了数字化器所需的缓慢的逐点追踪。第三，一个验证理论：恢复是单射的，除了在零附近一个特征化的、极其微小的区间内；不相关数据之间的偶然一致在统计上极不可能；并且重新渲染证书将恢复的值绑定到图形绘制的标记、线条和刻度，而非其文本，使结果不可否认。在恢复过程中未使用真实数据的情况下，解码的图形与外部档案匹配（Planck 2018达到10^-9；Keeling CO2记录达到5*10^-4，并且一个解码图形独立重现了对Chinchilla缩放定律置信区间的修正。我们绘制了常见渲染器及其PDF、SVG和EPS格式的可实现精度。我们交付的是经过认证的数据；任何特定数据集的科学意义不在本文范围内，恢复的值是供人工审查的候选，绝非指控。