EdgeFlow：用于工业需求工程的基于边缘图增强 VLM 的流程图处理

流程图广泛应用于工业需求，但通常仍作为静态图像嵌入。视觉语言模型 (VLM) 在将这些流程图转换为 RE 活动的机器可读模型方面表现出了良好的前景，但是，当直接应用于流程图转换时，它们通常无法处理拓扑关键的视觉细节。为了解决这个问题，我们提出了 EdgeFlow，它通过确定性提取的 Canny 边缘图来增强 VLM 的原始输入，作为结构先验，以改进流程图到美人鱼的转换，而不需要带注释的训练数据或特定于领域的模型 微调。我们在 IndusReqFlow 上评估 EdgeFlow，IndusReqFlow 是一个源自现实世界需求的数据集。与现成的VLM相比，EdgeFlow将节点级F1提高了17.39个百分点，边缘级F1提高了16.94个百分点。在路径层面，EdgeFlow 将路径 F1 提升了 11.06 个百分点，更好地支持基于模型的测试。这些结果表明，EdgeFlow 提供了一种实用的 无需训练 方法来改进工业 RE 的拓扑保留流程图到 Mermaid 的转换。公共综合基准的跨数据集评估结果没有显示出显着的改进；这凸显了需要结合工业数据的多样化基准来综合评估未来基于 VLM 的 RE 工具。