論文の概要: ViCo: Visual-oriented Coding with Self-Reflection for Chart Replication

• arxiv url: http://arxiv.org/abs/2609.16014v1
• Date: Mon, 31 Aug 2026 05:54:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.675164
• Title: ViCo: Visual-oriented Coding with Self-Reflection for Chart Replication
• Title（参考訳）: ViCo: グラフレプリケーションのための自己回帰によるビジュアル指向のコーディング
• Abstract要約: 本稿では,人間による論文の視覚的基準に適合する高品質な学術チャートを作成することの課題に対処する。 本稿では,視覚指向コーディングのためのトレーニングフレームワークであるViCoを提案する。
• 参考スコア（独自算出の注目度）: 9.932299764674498
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper addresses the challenge of generating high-quality academic charts that match the visual standards of human-authored papers. While existing AI agents can produce well-structured text and code, their generated visualizations often lack the stylistic and semantic fidelity of human designs. Advanced coding agents that employ self-reflection mechanisms exhibit poor visual reasoning and limited reflection following, resulting in sparse reward signals that severely undermine their reinforcement learning (RL). We propose ViCo, a training framework for visual-oriented coding that employs iterative reflections to align generated chart images progressively with the reference. We first introduce a self-supervised warm-up stage, which augments Monte Carlo Tree Search with consistency-based pruning to synthesize high-quality reflection trajectories, ensuring that each coding step strictly follows the outcomes of prior reflections. A multi-step RL algorithm is then developed, using counterfactual baselines to estimate advantage for reflection and action steps within each refinement cycle, thereby addressing the reward sparsity. To enable efficient reward in massive training, we propose an automatic, multifaceted evaluation framework that assesses charts' style, layout, and semantic consistency via a hierarchical heterogeneous layout graph structure. Experiments on three public benchmarks demonstrate that ViCo, trained on an 8B model, achieves performance close to proprietary LLMs with adequate reflection capabilities.
• Abstract（参考訳）: 本稿では,人間による論文の視覚的基準に適合する高品質な学術チャートを作成することの課題に対処する。 既存のAIエージェントは、十分に構造化されたテキストとコードを生成することができるが、それらの生成した視覚化は、ヒューマンデザインのスタイリスティックでセマンティックな忠実さを欠いていることが多い。 自己回帰機構を応用した高度な符号化エージェントは、視覚的推論が不十分で、後続の反射が限られており、その結果、その強化学習(RL)を著しく損なう少ない報酬信号が生じる。 本稿では,視覚指向コーディングのためのトレーニングフレームワークであるViCoを提案する。 まず,モンテカルロ木探索を一貫性に基づくプルーニングで拡張し,高品質な反射軌道を合成し,各符号化ステップが先行反射の結果に厳密に従うことを保証する,自己教師付きウォームアップステージを導入する。 マルチステップのRLアルゴリズムが開発され、リフレクションとアクションステップの利点を推定する反ファクト的ベースラインを用いて、各リフレクションサイクル内でのリフレクションとアクションステップを推定し、報酬の間隔に対処する。 大規模学習における効率のよい報奨を実現するために,階層的不均一なレイアウトグラフ構造を用いて,チャートのスタイル,レイアウト,セマンティック一貫性を評価する自動多面評価フレームワークを提案する。 3つの公開ベンチマークの実験では、8BモデルでトレーニングされたViCoが、適切なリフレクション機能を備えたプロプライエタリなLLMに近いパフォーマンスを実現している。

関連論文リスト

• Identifying Quality Indicators in Student Self-Reflections in Software Engineering [4.435094091999926]
  本研究は,ソフトウェア工学における学生のリフレクションを評価するための8指標スキームを作成するために,リフレクティブ・ライティング・フレームワークを構築した。 さらに,本研究では,フレームワークに対するリフレクション評価のための自動分類器を検証する。
  論文  参考訳（メタデータ） (2026-06-21T21:52:00Z)
• Molecular Identifier Visual Prompt and Verifiable Reinforcement Learning for Chemical Reaction Diagram Parsing [52.825281124618535]
  反応図解析(RxnDP)は、文献から化学合成情報を抽出するために重要である。 近年の視覚言語モデル(VLM)はこの複雑な視覚的推論タスクを自動化するための有望なパラダイムとして登場した。 この研究はVLMベースのRxnDPを2つの相補的視点、すなわち表現の促進と学習パラダイムから強化する。
  論文  参考訳（メタデータ） (2026-03-16T09:17:05Z)
• VisionCreator-R1: A Reflection-Enhanced Native Visual-Generation Agentic Model [26.934568434330828]
  本研究では,視線を明示的に反映した視覚生成エージェントであるVisionCreator-R1と,反射プラン協調最適化学習手法を提案する。 我々のRPCOは、まず、リフレクション-ストロングシングルイメージ・トラジェクトリとプランニング-ストロングマルチイメージ・トラジェクトリで自己構築されたVCR-SFTデータセットをトレーニングし、次にRLを介してVCR-RLデータセットを共最適化します。 これによって統合されたVisionCreator-R1エージェントが既存のベンチマークでGemini2.5Proを一貫して上回り、VCR-benchはシングルイメージとマルチイメージタスクをカバーしています。
  論文  参考訳（メタデータ） (2026-03-09T18:10:49Z)
• MURE: Hierarchical Multi-Resolution Encoding via Vision-Language Models for Visual Document Retrieval [111.99106496142474]
  Visual Document Retrieval (VDR)は、微細な視覚的詳細とグローバルな文書構造の両方をキャプチャする表現を必要とする。 既存のVDRモデルは、高解像度文書を処理する際に効率と効率のバランスをとるのに苦労する。 本稿では,X-VisEmbパラダイムを提案する。X-VisEmbパラダイムは,多分解能サンプリングと符号化から,粒度横断的特徴融合から適応的表現蒸留へと進展する。
  論文  参考訳（メタデータ） (2026-03-07T15:17:22Z)
• Generative Actor Critic [74.04971271003869]
  Generative Actor Critic (GAC) は、軌道上での関節分布の生成モデル学習として、テキスト政治評価を反映して、シーケンシャルな意思決定を分離する新しいフレームワークである。 Gym-MuJoCoとMaze2Dベンチマークの実験では、GACの強いオフライン性能と、最先端の手法と比較してオフラインからオフラインへの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-12-25T06:31:11Z)
• Image-POSER: Reflective RL for Multi-Expert Image Generation and Editing [16.943575863059607]
  Image-POSERは、事前訓練されたテキスト・ツー・イメージの専門家とイメージ・ツー・イメージの専門家の多様なレジストリをオーケストレーションする。 動的タスクの分解を通じて、エンドツーエンドのプロンプトを処理します。 人間の評価において常に好まれる。
  論文  参考訳（メタデータ） (2025-11-15T03:15:34Z)
• Automated Visualization Code Synthesis via Multi-Path Reasoning and Feedback-Driven Optimization [13.178750787401263]
  VisPathは構造化されたマルチステージ処理を通じて、不特定クエリを処理する。 最初はChain-of-Thoughtプロンプトを通じてユーザ入力をリフォームする。 VisPathは、最適な最終結果を合成するために集約されたターゲットフィードバックを生成する。
  論文  参考訳（メタデータ） (2025-02-16T14:09:42Z)
• Improving Autoregressive Visual Generation with Cluster-Oriented Token Prediction [52.09472099976885]
  IARは、LLMベースのビジュアル生成モデルのトレーニング効率と生成品質を向上させる改良された自動回帰ビジュアル生成方法である。 提案手法は,モデルのトレーニング効率と性能を100Mから1.4Bに継続的に向上させ,同じFIDを達成しながらトレーニング時間を半減させる。
  論文  参考訳（メタデータ） (2025-01-01T15:58:51Z)
• Vi(E)va LLM! A Conceptual Stack for Evaluating and Interpreting Generative AI-based Visualizations [1.709620026135923]
  大規模言語モデル(LLM)は、可視化に関連する生成タスクをサポートするための興味深い選択肢となっている。 本稿では,LLMを用いて生成した可視化の評価をモデル化する問題に対処する。 本稿では,原子部品の評価を分解する理論評価スタックEvaLLMを提案する。
  論文  参考訳（メタデータ） (2024-02-03T14:28:55Z)

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。