論文の概要: RULER: Instance-aware Rubric Rewards for SVG Generation

• arxiv url: http://arxiv.org/abs/2609.25270v1
• Date: Mon, 21 Sep 2026 18:16:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.079228
• Title: RULER: Instance-aware Rubric Rewards for SVG Generation
• Title（参考訳）: RULER:SVG生成のためのインスタンス対応ルーブリックリワード
• Abstract要約: 我々は、強化学習(RULER)を改善するために、ルーブリックベースの報酬をどのように利用できるかを示す。 RULERは、各命令を6つの項目、視覚的、意味的、スタイリスティックな軸からなるインスタンス対応ルーブリックに変換する。 ルーリックはテキストのみから派生しているため、RULERはSVGペアの真実や人間の好みのラベルを必要としない。
• 参考スコア（独自算出の注目度）: 24.049687497770506
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating Scalable Vector Graphics (SVG) code from natural-language instructions is an open-ended task without absolute visual ground truth, leaving both evaluation and policy optimization without a faithful signal. Scalar metrics (CLIP, Aesthetic) calibrated on natural images transfer poorly to stylized vector content, and reusing them as RL rewards triggers reward hacking. We address both limitations with rubric-based scoring. We first establish empirically that prompting a vision-language judge with a multi-axis rubric correlates with human judgments far better than scalar metrics, both across samples and within instructions. Building on this finding, we introduce RULER (Instance-aware Rubric Rewards for Reinforcement Learning), which converts each instruction into an instance-aware rubric of six items spanning semantic, visual, and stylistic axes; a judge VLM scores rendered rollouts item-by-item, and the weighted satisfactions form a fine-grained reward optimized via Group Relative Policy Optimization. Because the rubric is derived from text alone, RULER requires neither paired SVG ground truth nor human preference labels. On MMSVG-Illustration and MMSVG-Icon, RULER lifts the rubric score from 0.432/0.395 to 0.693/0.683, surpassing dedicated SVG specialists and matching the substantially larger DeepSeek-V3, with ablations identifying rubric design as the active lever for RL on open-ended SVG generation. The project page is available at https://hangyuran.github.io/RULER/.
• Abstract（参考訳）: 自然言語命令からスケーラブルベクトルグラフィックス(SVG)コードを生成することは、絶対的な視覚的根拠のないオープンエンドタスクであり、評価とポリシーの最適化の両方を忠実な信号なしで残している。 スカラーメトリクス(CLIP、Aesthetic)は、自然なイメージを分類し、スタイリングされたベクトルコンテンツに変換し、それらをRL報酬として再利用することで、報酬のハッキングを引き起こす。 どちらの制限もルーブリックベースのスコアリングで対処する。 我々はまず,多軸ルーブリックを用いた視覚言語判断を,サンプルと命令の両方にわたるスカラー指標よりもはるかに優れた人間の判断と相関させることを実証的に確立した。 そこで本研究では,RULER(Reinforcement Learning,強化学習用インスタンス対応ルーブリックリワード)を導入し,各命令を意味的,視覚的,スタイリスティックな軸にまたがる6項目のインスタンス対応ルーブリックに変換する。 ルーブリックはテキストのみから派生しているため、RULERはペアのSVG基底真理も人間の好みラベルも必要としない。 MMSVG-Illustration と MMSVG-Icon では、RULER はルーブリックスコアを 0.432/0.395 から 0.693/0.683 に引き上げ、専用のSVG スペシャリストを超越し、さらに大きなディープシーク-V3 と一致する。 プロジェクトページはhttps://hangyuran.github.io/RULER/で公開されている。

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)
• 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)
• 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)
• Rendering-Aware Reinforcement Learning for Vector Graphics Generation [15.547843461605746]
  視覚言語モデル(VLM)におけるSVG生成を向上させるRLRF(Reinforcement Learning from Rendering Feedback)を導入する。 入力画像が与えられた場合、モデルがレンダリングされたSVGロールアウトを生成し、元の画像と比較して報酬を計算する。 この視覚的忠実度フィードバックは、より正確で効率的でセマンティックにコヒーレントなSVGを生成するためにモデルを導く。
  論文  参考訳（メタデータ） (2025-05-27T06:56:00Z)
• OmniSVG: A Unified Scalable Vector Graphics Generation Model [69.59073636922287]
  我々は、エンドツーエンドのマルチモーダルSVG生成に事前訓練されたビジョンランゲージモデルを活用する統一フレームワークであるOmniSVGを提案する。 SVGコマンドと座標を離散トークンにパラメタ化することにより、OmniSVGは複雑なSVG構造の合成を維持しながら、低レベルの幾何学から構造論理を分離し、効率的なトレーニングを行う。 本稿では,200万の注釈付きSVGアセットを持つマルチモーダルデータセットMMSVG-2Mと,条件付きSVG生成タスクの標準化された評価プロトコルを紹介する。
  論文  参考訳（メタデータ） (2025-04-08T17:59:49Z)
• 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)

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。