論文の概要: Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation

• arxiv url: http://arxiv.org/abs/2608.24138v1
• Date: Tue, 25 Aug 2026 07:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.851715
• Title: Rubrics as Visual-Repair Context for Self-Evolving UI-to-Code Generation
• Title（参考訳）: 自己進化型UI-to-Code生成のためのビジュアルリペアコンテキストとしてのルーブリック
• Abstract要約: ローカルコード編集は、レイアウト、スタイル、コンポーネントの依存関係を通じて伝搬し、以前は忠実だった領域を劣化させながら、1つの視覚的ミスマッチを修正する。 本稿では,視覚フィードバックを構造化された視覚再生コンテキストとして表現するために,ルーブリックを用いたルーブリック誘導フレームワークであるRubSEを紹介する。 RubSEは最終ラウンドおよび最高ラウンド設定での自己進化を著しく上回り、より安定した改良とより高い軌道レベルの性能天井を実現する。
• 参考スコア（独自算出の注目度）: 147.1183324267404
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large vision-language models have shown strong progress in UI-to-code generation, yet their test-time self-evolution remains unstable. We first identify a fundamental obstacle, termed visual repair coupling: a local code edit may propagate through layout, style, and component dependencies, correcting one visual mismatch while degrading regions that were previously faithful. To address this issue, we present RubSE, a Rubric-guided Self-Evolution framework that uses rubrics to represent visual feedback as a structured visual-repair context. At each refinement round, RubSE generates typed candidate rubrics, selects one prioritized repair target, and stores previously selected rubrics as history, thereby steering each revision toward a well-scoped visual repair while discouraging repeated or over-broad changes. Evaluations across six VLMs and three UI-to-code benchmarks demonstrate that RubSE substantially outperforms naïve self-evolution in final-round and best-round settings, achieving more stable refinement trajectories and a higher trajectory-level performance ceiling. Further analysis shows that RubSE mitigates trajectory collapse by improving recovery from severe visual regressions, and that stronger rubric generators can transfer effective visual-repair guidance to weaker code improvers.
• Abstract（参考訳）: 大規模な視覚言語モデルでは、UIからコードへの生成が大幅に進歩しているが、テスト時の自己進化は不安定である。 ローカルコード編集は、レイアウト、スタイル、コンポーネントの依存関係を通じて伝播し、以前忠実だった領域を劣化させながら、1つの視覚的ミスマッチを修正します。 この問題に対処するため、RubSEはRubric-Guided Self-Evolutionフレームワークで、ルブリックを使って視覚フィードバックを構造化されたビジュアル・リペア・コンテキストとして表現する。 各改良ラウンドにおいて、RubSEは、タイプ付き候補ルーリックを生成し、1つの優先順位付けされた修理対象を選択し、予め選択されたルーリックを履歴として記憶することにより、繰り返しまたはオーバーブロードの変更を回避しつつ、各リビジョンをよく観察された視覚的修復に向けて操る。 6つのVLMと3つのUI-to-codeベンチマークで評価した結果、RubSEは最終ラウンドと最高ラウンドの設定においてナビエボリューションを大幅に上回っており、より安定した改善軌道とより高い軌道レベルのパフォーマンス天井を実現している。 さらに解析した結果,RubSEは重度の視覚的回帰から回復することで軌道崩壊を緩和し,より強力なルーリックジェネレータはより弱いコード改善器に効果的な視覚的修復誘導を伝達できることがわかった。

関連論文リスト

• InsightSeg: Reusing Correction Insights for Guideline-Consistent Segmentation [4.501547677532766]
  本稿では,修正エピソードを再利用可能な視覚的根拠に変換するエピソード記憶機構であるInsightSegを紹介する。 InsightSegは、AcrossとCityscapesで、最初のパスと最後のガイドライン一貫性セグメンテーションのパフォーマンスを改善し、改善ステップを少なくする。
  論文  参考訳（メタデータ） (2026-09-02T02:22:35Z)
• MT-Web2Code: Benchmarking Coding Agents on Multi-Turn Regional Reconstruction and Localized Modification [26.741669879220684]
  MT-Web2Codeはマルチターンマクロレベル地域再構成とマイクロレベル局所化のための最初のマルチモーダルコーディングベンチマークである。 我々は、構造的およびスタイリスティックな欠陥を黄金のページに繰り返し注入するスケーラブルな逆回転軌道エンジンを開発した。 13のコーディングエージェントの実験では、現在のエージェントは影響を受けていないコンテンツを保存しながら、領域を忠実にターゲットするのに苦労し、局所的な編集のためにきめ細かいビジュアルコードアライメントを欠いている。
  論文  参考訳（メタデータ） (2026-08-04T11:14:00Z)
• Self-Distillation Policy Optimization via Visual Feedback: Bridging Code and Visual Artifacts [4.312910873423553]
  コード生成ビジュアルアーティファクトの視覚自己蒸留について検討する。 Visual-SDPOは、描画された視覚フィードバックを、重量共有教師の特権的な文脈として扱う。 Visual-SDPOはゼロショットベースを10以上の絶対点で改善する。
  論文  参考訳（メタデータ） (2026-06-09T02:28:39Z)
• LaCoVL-FER: Landmark-Guided Contrastive Learning Network with Vision-Language Enhancement for Facial Expression Recognition [51.70817823155725]
  顔表情認識のための視覚言語強化型ランドマーク誘導型コントラスト学習ネットワーク(FER)を提案する。 LaCoVL-FERは、顔のランドマークと視覚言語モデルからのセマンティックな事前情報を統合する。 実験により、LaCoVL-FERは3つの代表的な実世界のFERデータセット上で最先端のメソッドより優れていることが示された。
  論文  参考訳（メタデータ） (2026-05-19T13:15:41Z)
• IntroSVG: Learning from Rendering Feedback for Text-to-SVG Generation via an Introspective Generator-Critic Framework [20.964700751378547]
  既存のテキスト間SVG生成法では、最終的なレンダリング画像の視覚的認識は組み込まれていない。 本稿では,イントロスペクティブSVG生成フレームワーク(IntroSVG)を提案する。 提案手法は,いくつかの重要な評価指標にまたがって,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2026-03-10T07:44:51Z)
• Visual Self-Refine: A Pixel-Guided Paradigm for Accurate Chart Parsing [76.2602505940467]
  既存のモデルは、しばしば視覚的に密集したチャートに苦しむため、データの欠落、修正ミス、幻覚などのエラーにつながる。 複雑なチャートを読む際の精度を確保するために指を視覚アンカーとして使うという人間の戦略に触発され、視覚自己認識(VSR)と呼ばれる新しいパラダイムを提案する。 VSRの中核となる考え方は、モデルがピクセルレベルのローカライゼーション出力を生成し、それらを視覚化し、それらの視覚化を自身にフィードバックし、直感的にその潜在的な視覚的認識エラーを検査し修正できるようにすることである。
  論文  参考訳（メタデータ） (2026-02-18T13:40:53Z)
• SVRepair: Structured Visual Reasoning for Automated Program Repair [17.545585659174773]
  大規模言語モデル(LLM)は、最近、APR(Automated Program repair)の強力な可能性を示している。 構造化された視覚表現を持つマルチモーダルAPRフレームワークである textbfSVRepair を提案する。 SVRepairはまず視覚言語モデルであるtextbfStructured Visual Representation (SVR) を微調整し、不均一な視覚的アーティファクトをアンフェマティックなシーングラフに変換する。
  論文  参考訳（メタデータ） (2026-02-05T06:26:46Z)
• A Multimodal RAG Framework for Housing Damage Assessment: Collaborative Optimization of Image Encoding and Policy Vector Retrieval [0.0]
  自然災害後、住宅被害の正確な評価は、保険請求の応答と資源の計画にとって重要である。 本研究では,MM-RAG(Multimodal retrieve-augmented Generation)フレームワークを提案する。 このフレームワークはエンドツーエンドのトレーニングを受け、比較損失、検索損失、生成損失を組み合わせてマルチタスク最適化の目標を形成する。
  論文  参考訳（メタデータ） (2025-09-10T01:58:07Z)
• End-to-End Vision Tokenizer Tuning [73.3065542220568]
  低レベルの再構築のために最適化された視覚トークンーは、様々な表現と意味論を必要とする下流タスクである。 視覚トークン化の損失は、ターゲットタスクの表現ボトルネックになる可能性がある。 本研究では,視覚トークン化と目標自己回帰タスクを協調的に最適化するエンド・ツー・エンドの視覚トークン化チューニング手法であるETTを提案する。
  論文  参考訳（メタデータ） (2025-05-15T17:59:39Z)
• IQPFR: An Image Quality Prior for Blind Face Restoration and Beyond [56.99331967165238]
  Blind Face Restoration (BFR)は、劣化した低品質(LQ)の顔画像を高品質(HQ)の出力に再構成する課題に対処する。 本研究では,非参照画像品質評価(NR-IQA)モデルから得られた画像品質優先(IQP)を組み込んだ新しいフレームワークを提案する。 提案手法は,複数のベンチマークにおいて最先端技術より優れている。
  論文  参考訳（メタデータ） (2025-03-12T11:39:51Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。