SciFigPlag-Bench：来源感知科学图形抄袭检测的​​基准

科学图表通常对科学发现背后的视觉证据进行编码，但图表抄袭作为基准多模式评估问题仍然没有得到充分探索。我们提出了 SciFigPlag-Bench，这是对学术文献中的科学数据进行来源感知推理的基准。与一般图像相似性或图像取证基准不同，SciFigPlag-Bench 评估可疑人物是否重复使用来自特定源人物的证据、重复使用的内容如何转换以及重复使用的证据出现的位置。我们引入了一种分解分类法，将重用内容与其转换方式分开，涵盖材料保留重用，例如全图和子图重用，以及抽象内容重用，例如数据重新表达和结构重绘。在此分类法的指导下，我们构建了一个包含 2,582 个正对和 2,541 个负对的混合基准，结合了记录的真实案例、分类法指导的合成示例和视觉上相似的负例。该基准支持四种诊断任务：成对检测、源归因、分层重用类型分类和重用对应定位。使用不同视觉语言模型的实验建立了初始基线，并揭示了细粒度起源推理、重用型理解和空间证据基础方面持续存在的挑战。