VisAnatomy：面向 AI 时代的 SVG 图表语义标注语料库
人机交互
2025-08-19 v3
摘要
图表语料库由数据可视化及其语义标签构成，是推动可视化研究的关键因素。然而，大多数现有语料库的标签层级较高（如图表类型），在 AI 时代的广泛应用中受到限制。本文贡献 VISANATOMY，一个包含 942 个真实世界 SVG 图表（由 50 多款工具生成），涵盖 40 种图表类型，具有结构和风格设计的多样性。每个图表都增添了多层次细粒度语义标签，包括每个图形元素的类型、角色和位置、元素的层次化分组、组布局以及视觉编码。总体而言，VISANATOMY 为超过 38.3 万个图形元素提供标签。通过与现有语料库的比较，展示了语义标签的丰富性。我们通过四个应用场景展示其实用价值：SVG 元素语义角色推断、图表语义分解、图表类型分类以及无障碍内容导航。最后，讨论进一步改进 VISANATOMY 的研究机会。
引用
@article{arxiv.2410.12268,
title = {VisAnatomy: An SVG Chart Corpus with Fine-Grained Semantic Labels},
author = {Chen Chen and Hannah K. Bako and Peihong Yu and John Hooker and Jeffrey Joyal and Simon C. Wang and Samuel Kim and Jessica Wu and Aoxue Ding and Lara Sandeep and Alex Chen and Chayanika Sinha and Zhicheng Liu},
journal= {arXiv preprint arXiv:2410.12268},
year = {2025}
}
备注
Will appear at IEEE VIS 2025 conference and TVCG