論文の概要: CANVAS: Consistency-Aware Navigation via Visual Adaptive Sampling for Long-Context Text-to-SVG Generation
- arxiv url: http://arxiv.org/abs/2608.30689v1
- Date: Mon, 31 Aug 2026 12:27:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.388157
- Title: CANVAS: Consistency-Aware Navigation via Visual Adaptive Sampling for Long-Context Text-to-SVG Generation
- Title（参考訳）: CANVAS:Long-Context Text-to-SVG 生成のためのビジュアル適応サンプリングによる一貫性を考慮したナビゲーション
- Abstract要約: 自己回帰型大規模モデルは、最近、単純なアイコンから複雑な長文グラフまで、テキストからSVGの生成が進歩した。
CANVAS(Consistency-Aware Navigation via Visual Adaptive Sampling)は、トレーニング不要でレンダリング対応の推論フレームワークである。
- 参考スコア（独自算出の注目度）: 30.756144830340975
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autoregressive large models have recently advanced Text-to-SVG generation from simple icons to complex, long-context graphics, yet standard autoregressive decoding often fails to maintain global consistency across geometry, layout, occlusion, and composition. We introduce CANVAS (Consistency-Aware Navigation via Visual Adaptive Sampling), a training-free, render-aware inference framework that combines power-sharpened trajectory likelihood with visual feedback from rendered futures and derives a stroke-wise navigation rule. It effectively estimates each candidate stroke's future value under a limited generation and rendering budget and adaptively allocates samples according to candidate uncertainty, decision influence, and rollout cost. Experiments across multiple autoregressive SVG backbones and complementary benchmarks demonstrate improvements in global consistency, which includes sound geometric relationships, spatial layouts, occlusion ordering, and overall composition, without additional training, demonstrating the effectiveness and generalization ability of our framework.
- Abstract（参考訳）: 自己回帰型大規模モデルは、最近、単純なアイコンから複雑な長文のグラフィクスまで、テキストからSVGの生成が進んだが、標準的な自己回帰型デコーディングは、幾何学、レイアウト、オクルージョン、コンポジション間のグローバルな一貫性を維持するのに失敗することが多い。
CANVAS(Consistency-Aware Navigation via Visual Adaptive Sampling)は、トレーニング不要でレンダリング対応の推論フレームワークである。
各候補ストロークの将来の値を限られた世代とレンダリング予算で効果的に推定し、候補の不確実性、決定の影響、ロールアウトコストに応じてサンプルを適応的に割り当てる。
複数の自己回帰的SVGバックボーンと相補的なベンチマークによる実験は、音響幾何学的関係、空間的レイアウト、オクルージョン順序付け、および全体構成を含むグローバルな一貫性の向上を、追加のトレーニングなしで実証し、我々のフレームワークの有効性と一般化能力を実証する。
関連論文リスト
- SVG-Score: Human-Aligned Evaluation of Text-to-SVG Generation [62.7676301168359]
テキスト間SVG生成のためのヒューマンアライメント評価フレームワークである textbfours を紹介する。
CLIPベースのスコアは、SVGジェネレータが実際に行うエラー、例えば色、数、空間関係にほとんど反応しないことを示す。
次に、テキストセマンティックアライメントのための人間注釈付きデータセットを導入し、生成したSVGがそのキャプションをいかに忠実に反映するかを測定する。
論文 参考訳（メタデータ） (2026-09-03T13:12:37Z) - Evaluating Constrained Iterative Refinement for Scalable Vector Graphics Generation with Off-the-Shelf VLMs [50.541990269155484]
市販の視覚言語モデル(VLM)におけるSVG生成能力を推定時で解き放つことができるかどうかを評価する。
本研究は,SVG生成に汎用VLMを適用するために,推論時間法を用いることの約束と現在の制限の両方を強調した。
論文 参考訳（メタデータ） (2026-08-26T00:51:10Z) - GVR-Coder: A Visual-Feedback Framework for Structured SVG Generation in Complex Document and Meeting Scenarios [11.811188580823126]
ドキュメントのオーサリングと会議のレビューシナリオに適した大規模SVGデータセットであるDocMeetSVG-100Kを紹介する。
モデルレベルでは、長文のプロテキストから高品質な論理図を生成するために設計された新しいフレームワークであるGVR-Coderを提案する。
さらに,2つのレンダリングフィードバックからの強化学習を導入する。これは,構造的複雑性と視覚美学を協調的に最適化するための報酬信号による暗黙的なフィードバックを提供するメカニズムである。
論文 参考訳（メタデータ） (2026-07-30T11:47:50Z) - Capacity-Controlled Multi-View Stylization of 3D Gaussian Splatting [66.3033154284523]
3DGSのマルチビュースタイリングのためのキャパシティ制御フレームワークを提案する。
可変強度のカラム容量制約を導入することにより,複数対1のマッチングが緩和される。
また、シーンコンテンツとスタイルパターンの対応を制約するために、新しいクロスビューマッチングガイダンスを組み込んだ。
論文 参考訳（メタデータ） (2026-06-25T08:36:50Z) - GeoSVG-RL: Geometry-Aware Reinforcement Learning for Layout-Constrained Text-to-SVG Diagram Generation [29.64540884592851]
レイアウト制約付きテキスト・ツー・SVG生成のための特殊強化学習フレームワークGeoSVG-RLを紹介する。
モデルはまず、SVGコードの後の世代のための幾何学的契約として機能する構造化レイアウト計画を生成する。
GeoSVG-RLは、特にアローアンカー精度とテキスト・イン・ボックスレートにおいて、構造的信頼性を大幅に向上させる。
論文 参考訳（メタデータ） (2026-05-25T05:56:44Z) - Render-in-the-Loop: Vector Graphics Generation via Visual Self-Feedback [29.19392406217364]
本稿では,SVG合成を段階的に視覚的に認識するプロセスとして再構成する新しい生成パラダイムを提案する。
中間のコードを累積キャンバスにレンダリングすることで、モデルは各ステップで進化する視覚的コンテキストを明示的に観察する。
このビジュアルループを市販のモデルに適用することは、インクリメンタルなビジュアルコードマッピングを活用できないため、最適ではないことを示す。
論文 参考訳（メタデータ） (2026-04-22T16:15:28Z) - 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) - TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。
近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。
本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-02T02:22:20Z) - SVGen: Interpretable Vector Graphics Generation with Large Language Models [61.62816031675714]
本稿では,自然言語記述と組み合わせた高品質なSVGの大規模データセットであるSVG-1Mを紹介する。
我々は、セマンティックガイダンスを強化するために、Chain of Thoughtアノテーション付きのサブセットを含む、SVGトレーニングペアに整合したテキストを作成する。
このデータセットに基づいて,自然言語入力からSVGコードを生成するエンド・ツー・エンド・モデルであるSVGenを提案する。
論文 参考訳（メタデータ） (2025-08-06T15:00:24Z) - NeuralSVG: An Implicit Representation for Text-to-Vector Generation [54.4153300455889]
本稿では,テキストプロンプトからベクトルグラフィックスを生成する暗黙的なニューラル表現であるNeuralSVGを提案する。
生成したSVGの層構造を促進するために,ドロップアウトに基づく正規化手法を導入する。
ニューラルSVGは、構造化された柔軟なSVGを生成する際に、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-01-07T18:50:06Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z)
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。