論文の概要: VectorHarness: Recovering Editable, Relation-Preserving Structure from Scientific Graphics
- arxiv url: http://arxiv.org/abs/2609.13294v1
- Date: Wed, 09 Sep 2026 15:36:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.192554
- Title: VectorHarness: Recovering Editable, Relation-Preserving Structure from Scientific Graphics
- Title（参考訳）: VectorHarness:科学グラフィックから編集可能で、リレーショナルな構造を復元する
- Abstract要約: 本稿では,タイプ固有表現を用いてコンポーネントを復元するマルチエージェントフレームワークであるVectorHarnessを紹介する。
実験により、VectorHarnessは実行可能成功と関係保存を改善し、回避可能なフォールバックを低減し、異種グラフィックス全体にわたって高い視覚的忠実性を維持することが示された。
- 参考スコア（独自算出の注目度）: 13.178383449521261
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Converting scientific graphics into editable representations remains a challenging problem for image-to-code generation because of their heterogeneous elements and complex layouts. Recent multi-agent reconstruction systems have advanced this line of work, but often follow a copy-paste paradigm: the reconstructed image closely resembles the original, while complex regions remain effectively uneditable. We instead formulate a different objective, raster-to-authoring reconstruction, which aims to recover an authoring representation that supports native, customized editing rather than mere visual replication. To this end, we present VectorHarness, a multi-agent framework for raster-to-authoring reconstruction that recovers heterogeneous components using type-appropriate native representations. Text, formulas, shapes, connectors, icons, charts, and tables are reconstructed as natively editable objects, while intrinsically image-based regions remain raster content. To systematically evaluate reconstruction quality, we introduce VectorHarness-Bench, which jointly assesses rendering fidelity, raster fallback coverage, executable object edits, and relation-preserving edits. Experiments show that VectorHarness improves executable edit success and relation preservation, reduces avoidable raster fallback, and maintains high visual fidelity across heterogeneous graphics.
- Abstract（参考訳）: 科学グラフィックを編集可能な表現に変換することは、不均一な要素と複雑なレイアウトのため、画像からコードへの変換において難しい問題である。
近年のマルチエージェント再構築システムでは, コピー・ペースト・パラダイムを踏襲しているが, 再構成された画像はオリジナルのものとよく似ているが, 複雑な領域は効果的に編集不能である。
代わりに、視覚的な複製ではなく、ネイティブでカスタマイズされた編集をサポートするオーサリング表現を復元することを目的として、異なる目的であるラスタ・ツー・オーサリングの再構築を定式化します。
この目的のためにVectorHarnessを提案する。これはraster-to-authoring Restructionのためのマルチエージェントフレームワークで、型対応のネイティブ表現を使って異種コンポーネントを復元する。
テキスト、公式、形状、コネクタ、アイコン、チャート、テーブルはネイティブに編集可能なオブジェクトとして再構成される。
再構成品質を体系的に評価するために,レンダリング忠実度,ラスタフォールバックカバレッジ,実行可能なオブジェクト編集,関係保存編集を共同で評価するVectorHarness-Benchを導入する。
実験により、VectorHarnessは、実行可能な編集成功と関係保存を改善し、回避可能なラスタのフォールバックを低減し、異種グラフィックス間の高い視覚的忠実性を維持することが示された。
関連論文リスト
- GraLoD: Graphics-Inspired Continuous Level-of-Detail Learning for Image Restoration [54.85451496831771]
再生スケールを空間変化およびステージ依存変数として扱うプラグイン・アンド・プレイフレームワークであるGraLoDを提案する。
GraLoDはネイティブエンコーダ階層を再利用し、そのマルチスケール機能を共有LOD表現空間に整列し、デコーダの各段階でステージ条件付きLODフィールドを予測する。
実験はタスク固有とオールインワンの復元において一貫した改善を示す。
論文 参考訳（メタデータ） (2026-09-15T03:22:22Z) - Figures as Programs: Recursive Generation of Editable Scientific Figures [79.78366479117878]
最近の画像生成モデルは、視覚的に魅力的な図形を合成することができるが、人間の満足な結果を生み出すことは、単一の生成段階において難しいままである。
textscFigTreeは、科学論文を構造化ベクトル図形に自動的に変換するテキストマルチエージェントシステムである。
レンダリングクリティカルリファインメントループは、レンダリングされたフィギュアとその基礎となるプログラムを共同で検査し、視覚的欠陥を特定のステートメントにトレースし、正確に修復することを可能にする。
論文 参考訳（メタデータ） (2026-09-01T09:53:47Z) - DrawAI: Agentic Benchmark and Workflow for Making Raster Images Editable [10.070492917829995]
本稿では,エージェントベンチマークであるDrawAI-Benchと再構築ワークフローであるDrawAI-Flowを紹介する。
画像から直接操作可能なアーティファクトを復元し、その視覚的・意味的な内容を保存する。
その結果,再現性やコストはモデルハーネス構成によって大きく異なるが,DrawAI-Flowは一貫して編集可能な構造を改善していることがわかった。
論文 参考訳（メタデータ） (2026-08-01T09:05:06Z) - ReDesign: Recovering Editable Design Structures from Images via Agentic Decomposition [60.25038184390257]
ReDesignは、編集可能な階層階層を成長させるエージェントフレームワークで、特定のツールを選択して、モダリティにまたがって構成する。
大規模な編集性を評価するために、909個のFigmaファイルと14,796個の編集命令からなるFigma Edit Replay Benchmarkを導入する。
論文 参考訳（メタデータ） (2026-07-28T10:53:33Z) - GARDEN: Gravity-Aligned Reconstruction of Disentangled ENvironments from RGB images [61.2170105836525]
本稿では,RGBのみのフレームワークを提案する。このフレームワークは,再構成を物理的に地上に配置したシーンファクタ化として再構成し,構造化されたハイブリッドシーン表現を出力する。
結果として得られる表現は、明示的な剛体と分離された背景を組み合わせることで、視覚的リアリズムを維持しながら直接物理シミュレーションを可能にする。
論文 参考訳（メタデータ） (2026-06-02T17:13:01Z) - SemLayer: Semantic-aware Generative Segmentation and Layer Construction for Abstract Icons [53.57408001182251]
SemLayerは、編集可能な階層構造を復元するビジュアル生成権限付きパイプラインである。
我々はこの問題をフラット化されたベクトルアートの意味層構築として定式化する。
本研究では,SemLayerの有効性を実証し,従来はフラット化されたベクトルグラフに適用できず,意味層再構成を実用的で価値のあるタスクとして確立する。
論文 参考訳（メタデータ） (2026-03-25T07:51:04Z) - The Consistency Critic: Correcting Inconsistencies in Generated Images via Reference-Guided Attentive Alignment [105.31858867473845]
ImageCriticはエージェントフレームワークに統合され、不整合を自動的に検出し、マルチラウンドおよびローカル編集で修正する。
実験では、ImageCriticは様々なカスタマイズされた生成シナリオで詳細に関連する問題を効果的に解決することができ、既存のメソッドよりも大幅に改善されている。
論文 参考訳（メタデータ） (2025-11-25T18:40:25Z) - ReMix: Towards a Unified View of Consistent Character Generation and Editing [22.04681457337335]
ReMixは、文字一貫性の生成と編集のための統一されたフレームワークである。
ReMixモジュールとIP-ControlNetという2つのコアコンポーネントで構成されている。
ReMixはパーソナライズされた生成、画像編集、スタイル転送、マルチ条件合成など、幅広いタスクをサポートしている。
論文 参考訳（メタデータ） (2025-10-11T10:31:56Z) - Describe, Don't Dictate: Semantic Image Editing with Natural Language Intent [38.61468007698179]
そこで我々は,DescriptiveEditという記述型プロンプトベースの編集フレームワークを提案する。
中心となる考え方は「参照画像に基づくテキスト・ツー・イメージ生成」としての命令ベースの画像編集を再構築することである。
論文 参考訳（メタデータ） (2025-08-28T07:45:08Z) - High-Fidelity GAN Inversion for Image Attribute Editing [61.966946442222735]
本稿では,画像固有の詳細をよく保存した属性編集を可能にする,GAN(High-fidelity Generative Adversarial Network)インバージョンフレームワークを提案する。
低ビットレートの遅延符号では、再構成された画像や編集された画像の高忠実度の詳細を保存することは困難である。
高忠実度復元のための基準として歪みマップを用いる歪みコンサルテーション手法を提案する。
論文 参考訳（メタデータ） (2021-09-14T11:23:48Z)
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。