迈向通用科学AI：科学图像多模态理解路径

科学图表编码了关键的实验证据，然而对于数字图书馆和多模态AI系统而言，检索和解读这些图表仍具挑战性。ALD/E-ImageMiner基准及ICDAR 2026原子层沉积/蚀刻科学图表信息提取竞赛提供了来自205篇出版物的1,951幅图表，经专家标注，用于分类、数据表提取、摘要生成和视觉问答。在这些配套论文中，我们展望了该基准如何引导未来的科学图像挑战。我们审视了其任务如何从视觉和定量阅读延伸到领域基础推理和证据论证，以及基于Bloom的问题设计如何促进更深层的科学理解。我们提出“从图像中获取科学概念理解”作为长期基准目标，未来方向包括更广泛的领域和图表类型、上下文及跨文档综合、假设评估、来源追溯、不确定性、反事实基础以及开放式多模态研究。这一视角将ICDAR 2026挑战与机器可操作的科学视觉知识和可验证的多模态科学AI的更广泛议程联系起来。