LIDA

LIDA یک ابزار قدرتمند است که اکتشاف داده ها را خودکار می کند و تصاویر و اینفوگرافیک هایی را با استفاده از مدل های زبان بزرگ (LLMs) مانند ChatGPT و GPT4 تولید می کند. این یک رابط محاوره ای برای نسل اتوماتیک تصاویر گرامری- آگنوستیک از داده ها فراهم می کند. LIDA متشکل از چهار ماژول است: Summarizer، که داده ها را به خلاصه زبان طبیعی فشرده تبدیل می کند؛ جستجوگر هدف، که اهداف تجسم داده را بر اساس داده ها تشکیل می دهد؛ VisGenerator، که تولید، اصلاح، اجرای، و کد تصویر سازی ما، و Infographer، که اهداف تصویری مبتنی بر گرافیک های گرافیکی با استفاده از مدل های تصویر سازگار با Python را ایجاد می کند. این همچنین عملیات در تجسم های موجود، مانند توضیح تصویرسازی، خود ارزیابی، تعمیر خودکار و توصیه را ارائه می دهد.این ابزار از قابلیت های مختلف پشتیبانی می کند، از جمله خلاصه داده ها، اکتشاف داده های خودکار، تصاویر گرامری و تولید اینفوگرافیک. این قابلیت های مدل سازی زبان و کد نویسی LLM ها را به کار می گیرد که توانایی های تجسم خودکار اصلی را قادر می سازد. LIDA همچنین عملیات در تجسم های تولید شده، مانند توضیح تصویری، خود ارزیابی، تعمیر تصویر سازی و توصیه های بصری را فراهم می کند.LIDA ترکیبی از LLM ها و مدل های نسل تصویر (IGMs) برای پرداختن به مشکل چند مرحله ای ایجاد تصاویر است. این متن باز است و ارائه می دهد یک API پایتون و یک رابط کاربری ترکیبی برای نمودار تعاملی، اینفوگرافیک و نسل داستان داده ها، در حالی که LIDA دارای محدودیت هایی با دستور زبان های تجسمی نه به خوبی نشان داده شده در مجموعه داده های آموزشی LLM و تغییرات عملکرد بسته به انتخاب کتابخانه های تصویری و قابلیت های تولید کد، آن را یک ابزار قدرتمند برای خودکارسازی فرآیند تجسم نسل باقی مانده است.