论文
ICDAR 2026 原子层沉积/蚀刻 (ALD/E) 科学图形信息提取竞赛
ICDAR 2026 Competition on Information Extraction from Atomic Layer Deposition/Etching (ALD/E) Scientific Figures
摘要
使用多模态人工智能进行科学图形理解和推理需要将视觉感知与特定领域的推理相结合，以提取有意义的知识，而这些知识通常不会在研究出版物的文本中呈现。 Sci-ImageMiner 基准数据集，伴随着社区驱动的竞赛，通过在四个端到端互补任务中策划一个全面的、专家注释的数据集，提高了之前科学竞赛的标准。 2026 年 1 月 9 日至 2026 年 4 月 8 日期间，该竞赛吸引了 68 名积极参与者和 1,263 份公共/私人提交的作品。我们的结果表明，最先进的多模态模型在分类和摘要任务上表现良好，但在数据提取和科学推理方面表现不佳，尤其是在视觉问答方面。这些发现揭示了关键的局限性，并强调了改进领域感知多模式人工智能系统的挑战和机遇。总体而言，Sci-ImageMiner 基准测试和竞赛为推进科学图形理解和推理方面的研究建立了严格的平台，并展示了最先进的方法在具有挑战性和复杂的研究领域的潜力。