DataMagic: 표 데이터에서 데이터 인사이트 비디오로의 변환

DataMagic: Transforming Tabular Data into Data Insight Video

데이터 비디오는 동적 차트, 음성 내레이션 및 동기화된 애니메이션을 통합하여 데이터를 시간 순서에 따른 스토리텔링 방식으로 전달함으로써, 데이터 관리 라이프사이클 전반에 걸쳐 데이터 활용 효율성을 향상시키는 효과적인 매체입니다. 그러나 고품질의 데이터 비디오를 제작하려면 데이터 분석, 스토리 구성 및 영상 제작 분야에 대한 전문 지식이 필요합니다. 기존 방법들은 다음과 같은 한계를 가지고 있습니다: 정적 시각화 도구(예: BI 대시보드)는 스토리텔링 논리와 애니메이션이 부족하며, 제작 도구는 사용자가 먼저 시각화를 준비해야 하므로 원본 데이터를 기반으로 작업하기 어렵고, 픽셀 단위의 비디오 생성 모델은 데이터의 정확성이나 출처를 보장할 수 없습니다. 본 연구에서는 DataMagic이라는 엔드투엔드 인터랙티브 시스템을 소개합니다. DataMagic은 원시 표 형태의 데이터를 자연어 질의어로 변환하여 스토리텔링 기반의 데이터 인사이트 비디오를 생성합니다. 데이터의 정확성을 확보하기 위해, DataMagic은 시각 및 애니메이션 요소를 데이터 필드와 연결하는 선언적 명세 DVSpec을 도입했습니다. 디자인 공간의 조합 폭발 문제를 해결하기 위해, DataMagic은 병렬로 후보 장면을 생성하고 글로벌 오케스트레이션을 통해 스토리의 일관성을 최적화하는 Generate-then-Orchestrate 다중 에이전트 아키텍처를 채택했습니다. DVSpec을 통해 논리와 렌더링을 분리함으로써, 시스템은 세 가지 인터랙션 모드와 구조화된 출처 기반 데이터 질의응답 기능을 지원하여 일방향 비디오를 탐색 가능한 인터랙티브 데이터 인터페이스로 변환합니다. 109개의 실제 샘플에 대한 평가 결과는 DataMagic의 효과성을 입증합니다. 홈페이지: https://datamagic-home.github.io/

Data videos integrate dynamic charts, voice narration, and synchronized animations to communicate data insights as temporal narratives, making them an effective medium for improving data consumption efficiency in the data management lifecycle. However, producing high-quality data videos requires expertise spanning data analysis, narrative design, and video production. Existing approaches fall short: static visualization tools (e.g., BI dashboards) lack narrative logic and animation; authoring tools require users to pre-prepare visualizations rather than working from raw data; pixel-level video generation models cannot guarantee data fidelity or provenance. We demonstrate DataMagic, an end-to-end interactive system that transforms raw tabular data and natural language queries into narrative data-insight videos. To ensure data fidelity, DataMagic introduces the declarative specification DVSpec, which binds visual and animation elements to underlying data fields through data-driven semantic references. To address the combinatorial explosion of the design space, DataMagic adopts a Generate-then-Orchestrate multi-agent architecture that generates candidate scenes in parallel and then optimizes narrative coherence through global orchestration. Leveraging DVSpec's decoupling of logic and rendering, the system further supports three interaction modes and structured provenance-based data Q&A, transforming one-way videos into explorable interactive data interfaces. Evaluation on 109 real-world samples validates the effectiveness of the DataMagic. Homepage: https://datamagic-home.github.io/