ChartCF는 차트 이해를 위한 데이터 효율적인 학습 프레임워크입니다. 차트의 의미 변화를 코드로 제어하여 역상 데이터를 생성하고, 시각적 차이를 구분하는 VLMs의 능력을 향상시키는 데 목표를 둡니다.
ChartCF는 역상 데이터 생성 파이프라인, 차트 유사성 기반 데이터 선택 전략, 다중 양방향 최적화 세 가지 요소로 구성되어 있습니다. 이를 통해 VLMs가 미세한 시각적 차이를 더 잘 이해하도록 돕습니다.
다섯 가지 벤치마크 실험 결과, ChartCF는 기존의 강력한 차트 특화 VLMs와 유사하거나 더 나은 성능을 보였으며, 훨씬 적은 양의 학습 데이터로 달성했습니다.