論文の概要: Reinforcement Learning from Intermediate Renders for Image-to-Code Generation

• arxiv url: http://arxiv.org/abs/2609.34587v1
• Date: Mon, 28 Sep 2026 08:26:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:07:24.799986
• Title: Reinforcement Learning from Intermediate Renders for Image-to-Code Generation
• Title（参考訳）: 画像・コード生成のための中間者からの強化学習
• Abstract要約: トークンレベルのレンダリングプログレス報酬を備えたRLフレームワークIR4RLを紹介する。 我々は,画像からSVG,画像からTikZ生成へのアプローチを評価する。
• 参考スコア（独自算出の注目度）: 40.747712518801706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning is increasingly used to post-train vision-language models for image-to-code generation, such as generating SVG code from a reference image, by optimizing rewards computed from the final rendered output. However, relying on a single terminal reward provides sparse feedback that is poorly aligned with the contribution of individual tokens. A generated program may contain operations that accurately reproduce some parts of the target image alongside others that introduce errors, yet all tokens are trained from the same final outcome. We observe that many intermediate code prefixes are not only executable, but already produce meaningful partial renders that reflect progress toward the target. This property provides a natural source of denser supervision during generation. Based on this observation, we introduce IR4RL, an RL framework with a token-level render-progress reward that turns changes between intermediate renders into localized feedback for the generated sequence. We evaluate our approach on Image-to-SVG and Image-to-TikZ generation. Across both tasks, our method improves over supervised fine-tuning and standard GRPO, yielding new state-of-the-art open-source models. This shows that intermediate rendering provides a simple and effective source of process supervision for RL post-training of image-to-code models.
• Abstract（参考訳）: 強化学習は、最終的な出力から計算された報酬を最適化することにより、参照画像からSVGコードを生成するなど、画像とコード生成のための訓練後の視覚言語モデルに益々使われている。 しかし、単一の端末報酬に頼ることで、個々のトークンの寄与と不一致なスパースフィードバックが得られます。 生成されたプログラムは、エラーを発生させる他と並行して、ターゲット画像の一部が正確に再現される操作を含むことができるが、全てのトークンは同じ最終結果からトレーニングされる。 我々は、多くの中間コードプレフィックスが実行可能なだけでなく、ターゲットへの進捗を反映した意味のある部分的なレンダリングをすでに生成していることを観察する。 この性質は、世代間のより密集した監督の自然な源となっている。 この観測に基づいて、中間レンダリング間の変化を、生成されたシーケンスの局所的なフィードバックに変換するトークンレベルのレンダリング-プログレス報酬を持つRLフレームワークIR4RLを紹介する。 我々は,画像からSVG,画像からTikZ生成へのアプローチを評価する。 両タスクとも、教師付き微調整と標準GRPOよりも改善され、新しい最先端のオープンソースモデルが得られる。 このことは、中間レンダリングが、画像からコードまでのモデルのRL後のトレーニングにおいて、シンプルで効果的なプロセス管理の源を提供することを示している。

関連論文リスト

• RefineSVG: Visual Feedback-Driven Reinforcement Learning for Image-to-SVG Generation [2.1124849856688064]
  RefineSVGはワンステップクローズドループ視覚フィードバックフレームワークである。 マルチモーダルな大言語モデル(MLLM)により、自己補正により高忠実な画像-SVG生成を行うことができる。
  論文  参考訳（メタデータ） (2026-07-30T05:30:14Z)
• Ask, Solve, Generate: Self-Evolving Unified Multimodal Understanding and Generation via Self-Consistency Rewards [52.42920996842378]
  視覚的理解と画像生成の両方をサポートするほとんどの統合された大型マルチモーダルモデル(LMM)は、訓練後の監督に頼っている。 本稿では,3つの内部的役割を持つ自己進化型トレーニングフレームワークを提案する。 視覚的質問を生成するプロポーラ, 回答と評価を行うソルバ, 画像を生成するジェネレータである。 画像生成のために,質問文の忠実度とサイクル一貫性キャプションを組み合わせたマルチスケール内部評価手法を設計する。
  論文  参考訳（メタデータ） (2026-06-25T17:59:57Z)
• 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)
• GloTok: Global Perspective Tokenizer for Image Reconstruction and Generation [51.95701097588426]
  トークン化された特徴のより均一な意味分布をモデル化するために,Global Perspective Tokenizer(GloTok)を導入する。 量子化による再構成誤差を最小限に抑えるために, 微細な細部を復元するために, 残差学習モジュールを提案する。 標準のImageNet-1kベンチマーク実験により,提案手法が最先端の復元性能と生成品質を実現することを確認した。
  論文  参考訳（メタデータ） (2025-11-18T06:40:26Z)
• Next Visual Granularity Generation [58.22272282205028]
  本稿では,画像を構造化シーケンスに分解することで,画像生成に新たなアプローチを提案する。 次のビジュアルグラニュラリティ(NVG)生成フレームワークは、視覚的なグラニュラリティシーケンスを生成する。 我々は、ImageNetデータセット上でクラス条件画像生成のための一連のNVGモデルをトレーニングし、明確なスケーリング挙動を観察する。
  論文  参考訳（メタデータ） (2025-08-18T10:47:37Z)
• AR-GRPO: Training Autoregressive Image Generation Models via Reinforcement Learning [56.71089466532673]
  本稿では,自己回帰(AR)画像生成モデルにオンラインRLトレーニングを統合するアプローチであるAR-GRPOを提案する。 クラス条件(クラス・ツー・イメージ)とテキスト条件(テキスト・ツー・イメージ)の両方のイメージ生成タスクについて包括的な実験を行う。 その結果,様々な評価指標に対して一貫した改善が得られた。
  論文  参考訳（メタデータ） (2025-08-09T10:37:26Z)
• Progressive Text-to-Image Generation [40.09326229583334]
  本稿では,高忠実度テキスト・画像生成のためのプログレッシブモデルを提案する。 提案手法は, 既存のコンテキストに基づいて, 粗い画像から細かな画像への新しい画像トークンの作成によって効果を発揮する。 結果として得られた粗大な階層構造により、画像生成プロセスは直感的で解釈可能である。
  論文  参考訳（メタデータ） (2022-10-05T14:27:20Z)

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。