저자들은 관측 정렬 감독(Observation-Aligned supervision)이라는 프레임워크를 도입했습니다. 이는 차트에서 코드로의 생성에서 잠재된 원시 데이터 타겟을 시각적 관측에 의해 제약된 양으로 대체하여 환각을 방지합니다.
- 이 방법은 상자 그림에는 상자 통계, 파이 차트에는 쐐기 비율, 히스토그램에는 빈 가중치를 사용하도록 훈련 데이터를 재작성합니다.
- ChartMimic 및 ChartX에서의 실험은 여러 VLM에 걸쳐 관측 가능한 값 복원에서 일관된 개선을 보여줍니다.
- 결과에는 두 가지 실행 가능 평가 지표 하에서의 향상이 포함됩니다.
저자들은 차트에서 코드로의 모델을 개선하려면 골드 코드가 완전히 복구될 수 있다고 가정하는 대신 차트 이미지에서 식별 가능한 것을 존중하는 감독 타겟이 필요하다고 주장합니다.