在ICLR 2025会议上,ChartMoE论文被录取为口头报告。该模型通过多阶段对齐任务增强图表理解能力,采用MoE结构,显著提升视觉表征和性能。研究表明,ChartMoE在通用和图表领域均表现优异,减少了对通用知识的遗忘。
本研究介绍了ChartReader和UniChart等多模态模型,旨在提升图表理解能力。通过强化学习和高质量数据集,这些模型在图表问答和总结任务中表现优异。研究还提出了ChartX评估集和CharXiv,揭示了现有模型在图表理解中的局限性,强调了未来研究的必要性。
完成下面两步后,将自动完成登录并继续当前操作。