图表不是图像：科学图表编辑的挑战
计算机视觉与模式识别
2025-12-02 v1
摘要
扩散模型和自回归方法在编辑自然图像方面展现了惊人的能力。然而，将这些工具应用于科学图表存在根本性误假设：图表不仅仅是像素的排列，而是受图形语法支配的结构数据可视化表示。因此，图表编辑并非像素操作任务，而是结构转换问题。为解决这一根本性矛盾，我们引入了 \textit{FigEdit}——一个规模庞大的科学图表编辑基准，包含超过 30,000 个样本。基于真实世界数据，我们的基准以其多样性著称，覆盖 10 种不同的图表类型和丰富的复杂编辑指令词汇。该基准组织为五个distinct且逐步提高难度的任务：单次编辑、多次编辑、对话式编辑、基于视觉引导的编辑和风格迁移。我们在该基准上评估了多种最新模型，发现它们在科学图表上的表现极差，始终未能处理完成有效编辑所需的底层结构转换。此外，我们的分析表明，传统评估指标（如 SSIM、PSNR）在捕捉图表编辑的语义正确性方面存在局限。我们的基准显示了像素级操作的深刻局限性，为开发和评估未来结构感知模型提供了坚实基础。通过发布 \textit{FigEdit}（https://github.com/adobe-research/figure-editing），我们旨在为结构感知图表编辑系统习行进展、提供公平比较的共同基础，并鼓励未来研究开发理解科学图表视觉与语义层面的模型。
引用
@article{arxiv.2512.00752,
title = {Charts Are Not Images: On the Challenges of Scientific Chart Editing},
author = {Shawn Li and Ryan Rossi and Sungchul Kim and Sunav Choudhary and Franck Dernoncourt and Puneet Mathur and Zhengzhong Tu and Yue Zhao},
journal= {arXiv preprint arXiv:2512.00752},
year = {2025}
}