基于多模态 LLM 代理的自然语言驱动 PDF 图表编辑

图表可视化对于数据解读和沟通至关重要，但在 PDF 中主要以图像形式出现，缺乏数据表格和样式信息。为实现对 PDF 或数字扫描件中图表的有效编辑，我们提出 PlotEdit，一个 novel 的多代理框架，用于通过自反 LLM 代理实现自然语言驱动的图表图像编辑。PlotEdit 编排五个 LLM 代理：(1) Chart2Table 用于数据表格提取，(2) Chart2Vision 用于样式属性识别，(3) Chart2Code 用于检索渲染代码，(4) Instruction Decomposition Agent 用于解析用户请求以生成可执行步骤，(5) Multimodal Editing Agent 用于实现细粒度图表组件修改——通过多模态反馈协调，以保持视觉保真度。PlotEdit 在 ChartCraft 数据集上优于现有基线方法，涵盖样式、布局、格式和数据导向编辑，提升了视力受损用户的可访问性并提高了初学者的生产力。