SciCapenter: Supporting Caption Composition for Scientific Figures with Machine-Generated Captions and Ratings

为图像编写有效的标题非常重要。读者在理解图像信息时很大程度上依赖于这些标题。然而，尽管已经开发出了一套成熟的图像和标题的AI技术，但这些技术很少被用于帮助编写标题。本文介绍了SciCapenter，这是一个交互式系统，利用先进的科学图像标题AI技术来帮助编写标题。SciCapenter为学术文章中的每个图像生成多种标题，提供得分和全面的检查清单，以评估标题质量的多个关键方面，例如有用性、OCR提及、关键信息和视觉属性参考。用户可以直接在SciCapenter中编辑标题，重新提交进行修订评估，并逐步完善它们。一项面向博士生的用户研究表明，SciCapenter显著降低了编写标题的认知负荷。参与者的反馈进一步为未来旨在增强标题编写的系统提供了有价值的设计见解。

本论文旨在通过开发SciCapenter系统，利用最新的人工智能技术帮助科学论文作者撰写更有效的图表标题，以解决当前图表标题撰写的问题。

SciCapenter系统利用人工智能技术为每个图表生成多个标题，并根据多个关键方面（如有用性、OCR提及、关键要点和视觉属性参考等）提供分数和全面的检查清单，以评估标题质量。用户可以直接在SciCapenter中编辑标题，并进行修订和迭代改进。

本研究通过Ph.D.学生的用户研究表明，SciCapenter显著降低了标题撰写的认知负荷。此外，本论文还介绍了SciCapenter系统的设计细节和可用性，以及未来研究的方向。

最近的相关研究包括利用人工智能技术自动生成图表标题的工作，以及利用自然语言处理技术来评估图表标题质量的工作。例如，论文“Automated Caption Generation for Scientific Visualization”和“Towards Better Analysis of Deep Learning Models: A Visual Analytics Perspective”等。