ChartLens：用于图表数据校正和事实摘要细化的双分支框架

在本报告中，我们介绍了 DataMFM 挑战赛 2：图表理解的冠军解决方案。该方向需要模型来恢复结构化图表数据并从图表图像生成忠实的自然语言摘要。为了满足准确数据提取和事实叙述的互补要求，我们提出了 ChartLens，一个用于图表数据校正和摘要细化的双分支框架。 ChartLens 包含两个关键模块：结构感知 CSV 验证和更正 (SAVC) 和文本保留引导摘要细化 (TRSR)。 SAVC 通过验证和纠正提高结构化数据提取的可靠性，而 TRSR 通过保留图表中的关键文本和数字证据来增强摘要生成。通过结合模型适应、基于校正的生成和 OCR 辅助证据基础，ChartLens 提高了结构化数据恢复和摘要事实性。在测试集上，我们的最终系统获得了 69.10 的总分，在 Track 2 中排名第一，证明了其准确理解图表的有效性。我们的代码将发布在：https://github.com/iLearn-Lab/CVPRW26-ChartLens。