.png){kind=icon}
返回
Active perception: Gaze-guided thinking for chart understanding
.png){kind=icon}
OA
AI
DOI：10.1016/j.neucom.2026.133935.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们发现当前VLMs在图表理解方面存在关键缺陷：推理过程过于抽象，缺乏精确的视觉锚定，导致难以从结构化可视化中准确提取数据。
• 我们提出了一种基于注视引导的思考模式（Gaze-Guided Thinking），通过坐标基元（定位、追踪、提取、比较）将抽象推理锚定到具体视觉位置，模拟人类的图表扫描行为。
• 我们引入了技能培育（Skill Cultivation）策略，通过两阶段训练结合ChartQAGaze-14K（含14K带坐标标注的推理链）的监督微调（SFT）与基于结果强化学习（RL），注入并内化空间锚定的推理能力。
• Active Perception模型在ChartQA数据集上达到82.44%的总体准确率（绝对提升3.48%），在Human子集上表现尤为突出（81.28%，提升5.52%），证明明确的视觉锚定能显著提升结构化视觉理解能力。
• 定性分析显示，模型涌现出类人图表阅读行为，系统性地利用坐标进行精确数值提取与空间推理。
Keyword:
Chart understanding
Vision-language models
Visual grounding
Coordinate-based reasoning
Reinforcement learning
Gaze-guided thinking
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
