使用多模态大型语言模型 (MLLM) 进行图表理解提供了新的机遇，但获取用于特定任务微调的高质量数据集仍然具有挑战性。为了解决这个问题，本文提出了 ChartCards，一个集成的图表元数据生成框架。ChartCards 系统地整合了各种图表信息，包括数据表、可视化代码、视觉元素和多维语义说明，使单个图表能够支持多个下游任务，例如文本到图表的搜索、图表摘要、图表到表格的转换、图表描述和图表问答。基于 ChartCards，我们构建了 MetaChart，这是一个大规模、高质量的数据集，包含 10,862 个数据表、85,000 个图表和 170,000 个高质量图表说明。基于 MetaChart 对六个模型进行微调，使所有任务的性能平均提高了 5%，其中文本到图表搜索（Long-CLIP 提高了 17%）和图表到表格转换（Llama 3.2-11B 提高了 28%）的性能提升尤为显著。
