OpusAnimation：基于代码的动态图表生成
计算机视觉与模式识别
2025-10-07 v1
摘要
动态图表生成（Dynamic Chart Generation, DCG）涉及生成以代码渲染的动画数据可视化图表。尽管多模态大语言模型（MLLM）的最新进展显著提升了其处理静态图表生成和理解的能力，但 MLLM 在处理动态图表生成和理解方面的潜力仍未得到充分探索。为弥合这一研究空白，我们引入 DCG-Bench（Dynamic Chart Generation Benchmark），这是第一个评估 MLLM 在动态图表生成任务中能力的基准，涵盖三个维度：简单文本到图表、详细文本到图表和视频到图表任务。我们构建了 DCG-8K 数据集，包含涵盖指令-代码-视频三元组及代码与视频评估的问答对的高质量注释。基于 DCG-8K，我们探索了两阶段训练方案，提出联合代码-视觉奖励以组相对政策优化，构建用于 DCG 任务的专家 MLLM Qwen2.5-VL-DCG-3B。我们的基准结果揭示了现有 MLLM 在视觉到图表任务中的不足之处，我们的模型在三个任务中平均获得 8.31% 的性能提升，同时仅用 3B 参数即可与专有模型持平，证明了我们训练方案的有效性。我们的代码和数据集将对外公开。
引用
@article{arxiv.2510.03341,
title = {OpusAnimation: Code-Based Dynamic Chart Generation},
author = {Bozheng Li and Miao Yang and Zhenhan Chen and Jiawang Cao and Mushui Liu and Yi Lu and Yongliang Wu and Bin Zhang and Yangguang Ji and Licheng Tang and Jay Wu and Wenbo Zhu},
journal= {arXiv preprint arXiv:2510.03341},
year = {2025}
}
备注
working in progress