論文の概要: SVG-Score: Human-Aligned Evaluation of Text-to-SVG Generation

• arxiv url: http://arxiv.org/abs/2609.03806v1
• Date: Thu, 03 Sep 2026 13:12:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.081181
• Title: SVG-Score: Human-Aligned Evaluation of Text-to-SVG Generation
• Title（参考訳）: SVGスコア:テキスト・ツー・SVG生成の人為的評価
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 62.7676301168359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scalable Vector Graphics (SVG) generation is attracting increasing attention as generative models improve in expressiveness and controllability. Progress, however, is held back by the lack of domain-specific evaluation protocols: current practice relies on metrics designed for natural images, most notably CLIPScore, which was never trained on vector graphics and aligns only partially with human judgment. We introduce \textbf{\ours}, a human-aligned evaluation framework for text-to-SVG generation. Through controlled caption and image perturbations, we first show that CLIP-based scores barely react to the errors SVG generators actually make, such as wrong colors, counts, and spatial relations, and that off-the-shelf Vision-Language Model (VLM) judges, while more sensitive, respond unevenly across error types and SVG styles. We then introduce a human-annotated dataset for \textit{Semantic Alignment}, measuring how faithfully a generated SVG reflects its caption. Building on it, we develop two complementary evaluators: CLIP scorers adapted to vector graphics and then aligned to human preferences, for fast large-scale evaluation, and a VLM judge trained with supervised fine-tuning and reward-shaped reinforcement learning, for more expressive and interpretable assessment. Using both, we benchmark major open-source, commercial, and optimization-based SVG generators on an independent caption set.
• Abstract（参考訳）: 拡張ベクトルグラフィックス(SVG)生成は、生成モデルによって表現性や制御性が向上するにつれて、注目を集めている。 現在のプラクティスは自然画像用に設計されたメトリクスに依存しており、特にCLIPScoreはベクトルグラフィックスのトレーニングを受けておらず、部分的には人間の判断と一致している。 テキスト・ツー・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 \textbf{\ours} を紹介する。 制御されたキャプションと画像の摂動により,SVG生成装置が誤色,数,空間的関係などのエラーにほとんど反応しないこと,VLM(Vrision-Language Model)判断器がより敏感に反応し,エラータイプやSVGスタイルに不均一に応答すること,などが分かる。 次に、生成したSVGがそのキャプションをいかに忠実に反映しているかを測定する。 そこで我々は,ベクトルグラフィックスに適応したCLIPスコアラと,高速な大規模評価を行うVLMジャッジと,より表現的かつ解釈可能な評価のための微調整および報酬形強化学習を指導したVLMジャッジの2つの相補的評価器を開発した。 両者を用いて、独立キャプションセット上で、主要なオープンソース、商用、最適化ベースのSVGジェネレータをベンチマークする。

関連論文リスト

• SVGEval: A Vision-Grounded Framework for Perceptual-Quality Benchmarking and Evaluation in Text-to-SVG Generation [49.00672742747506]
  拡張性ベクターグラフィックス(SVG)を生成するために,マルチモーダルな大規模モデルがますます利用されている 既存のプロトコルはSVGをレンダリングした後、しばしばコード中心または借用イメージのメトリクスである。 SVGEvalは,人手によるSVG品質評価のためのマルチモーダル・ベンチマークである。
  論文  参考訳（メタデータ） (2026-08-03T09:41:18Z)
• DuetSVG: Unified Multimodal SVG Generation with Internal Visual Guidance [48.98604326855894]
  本稿では,画像トークンと対応するSVGトークンをエンドツーエンドで共同生成する統合マルチモーダルモデルであるDuetSVGを紹介する。 提案手法は,SVGデコードの品質向上のためのガイダンスとして,モデルのネイティブな視覚的予測を活用する新しいテストタイムスケーリング戦略を適用する。
  論文  参考訳（メタデータ） (2025-12-11T18:23:03Z)
• SVGThinker: Instruction-Aligned and Reasoning-Driven Text-to-SVG Generation [47.390332111383294]
  本稿では,SVGコードの生成を可視化プロセスと整合させる推論駆動型フレームワークであるSVGThinkerを紹介する。 パイプラインはまず各プリミティブをシーケンスでレンダリングし、マルチモーダルモデルを使用して画像とコードを注釈付けします。 最先端のベースラインに対する実験では、SVGThinkerはより安定し、編集可能で、高品質なSVGを生成する。
  論文  参考訳（メタデータ） (2025-09-29T05:25:00Z)
• SVGauge: Towards Human-Aligned Evaluation for SVG Generation [5.565553009801627]
  本稿では,テキスト・ツー・SVG生成のための,最初のヒューマン・アライン・リファレンス・ベース・メトリックであるSVGaugeを紹介する。 SVGaugeは、SigLIP画像の埋め込みを抽出し、PCAで精製し、ドメインアライメントのために白化することで得られる視覚的忠実度を測定した。 提案したSHEベンチマークによる評価は,SVGaugeが人間の判断と最も相関していることを示している。
  論文  参考訳（メタデータ） (2025-09-08T18:28:31Z)
• 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)
• Visually Descriptive Language Model for Vector Graphics Reasoning [76.42082386029206]
  低レベル視覚知覚と高レベル言語推論のギャップを埋めるための視覚記述型言語モデル(VDLM)を提案する。 VDLMは,様々なマルチモーダル認識および推論タスクにおいて,GPT-4oのような最先端のLMMを大幅に改善することを示す。
  論文  参考訳（メタデータ） (2024-04-09T17:30:18Z)

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。