論文の概要: Back2Struct: Making Structured Images Editable Again
- arxiv url: http://arxiv.org/abs/2609.37016v1
- Date: Tue, 29 Sep 2026 08:36:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.333777
- Title: Back2Struct: Making Structured Images Editable Again
- Title（参考訳）: Back2Struct: 構造化イメージを再度編集可能に
- Abstract要約: ここではBack2Structを紹介します。
Back2Structは、テキスト、形状、トポロジ、レイアウトを明示的にエンコードする、セマンティックなオブジェクトレベルのSVG/XMLコードを予測する。
生成されたコードはPowerPointのようなツールにシームレスにインポートでき、ユーザーはグラフィックコンテンツを編集、洗練、書き換え、再利用できる。
- 参考スコア（独自算出の注目度）: 11.287084709848402
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Structured images, such as diagrams, charts, and flowcharts, are inherently symbolic and can be compactly represented in an editable format, yet in practice, they are often rendered as images, and therefore not graphically editable. This mismatch presents a significant challenge for researchers, engineers, and designers who wish to incorporate modified versions of existing graphic content into new materials without manually reconstructing it. In this study, we presentBack2Struct, which "makes structured images editable again" by directly recovering vector graphics code (SVG / XML) from image representations. Given an image of a structured graphic, Back2Struct predicts semantically object-level SVG / XML code that explicitly encodes text, shapes, topology, and layout, rather than performing low-level pixel vectorization. The generated code can be seamlessly imported into tools such as PowerPoint, allowing users to edit, refine, restyle, and reuse graphic content while preserving structural fidelity. Beyond supervised fine-tuning on ground-truth SVG token sequences, we further optimize Back2Struct with reward-based learning to better match deployment-time requirements: the output should be syntactically valid, properly concise, and visually faithful to the input diagram. Specifically, we design a composite reward that jointly encourages SVG / XML compilability, length consistency with the reference code, and structural or semantic similarity between the generated and ground-truth graphics. These complementary signals guide the model to produce SVGs that are not only closer to the training distribution, but also more complete, editable, and renderable in practice. Experiments show that Back2Struct improves accuracy, editability, validity, and user alignment over baselines. Dataset and code are available at: pengyu965.github.io/Back2Struct.github.io
- Abstract（参考訳）: 図、チャート、フローチャートなどの構造化画像は本質的に象徴的であり、コンパクトに編集可能なフォーマットで表現できるが、実際には画像としてレンダリングされることが多く、グラフィカルに編集できない。
このミスマッチは、既存のグラフィックコンテンツの修正版を手作業で再構築することなく新しい素材に組み込もうとする研究者、技術者、デザイナーにとって大きな課題となる。
本研究では,画像表現から直接ベクトルグラフィックスコード(SVG/XML)を復元することで,構造化された画像を再度編集可能に」するBack2Structを提案する。
構造化グラフィックの画像が与えられた後、Back2Structは、低レベルのピクセルベクトル化を実行するのではなく、テキスト、形状、トポロジ、レイアウトを明示的にエンコードする、セマンティックなオブジェクトレベルのSVG/XMLコードを予測する。
生成されたコードはPowerPointのようなツールにシームレスにインポートすることができ、ユーザーは構造的忠実さを維持しながらグラフィックコンテンツを編集、洗練、再フォーマット、再利用することができる。
SVGトークンシーケンスの教師付き微調整以外にも,Back2Structをさらに最適化して,デプロイメント時の要求に合わせた報酬ベースの学習を行う。
具体的には、SVG/XMLのコンパイル可能性、参照コードとの長さの整合性、生成したグラフィックと接地トラスグラフ間の構造的・意味的類似性を共同で促進する複合報酬を設計する。
これらの補完信号は、トレーニング分布に近いだけでなく、より完全で、編集可能で、実際にレンダリング可能なSVGを生成するようモデルに誘導する。
Back2Structは精度、編集性、妥当性、ユーザアライメントをベースライン上で改善する。
pengyu965.github.io/Back2Struct.github.io
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) - Chart2SVG: Editable SVG Generation from Raster Chart Images [36.287509601619924]
静的チャートを構造的に整理し,意味的にリッチなSVGに変換する,大規模言語モデルであるChart2SVGを提案する。
チャート固有のセマンティックトークンを視覚言語モデルに組み込むことで、Chart2SVGは幾何学的プリミティブと機能的役割の両方をキャプチャする。
提案手法は,視覚的に正確かつ構造的に整合したSVGを生成するため,特殊訓練目標とレンダリング認識後学習フェーズを併用する。
論文 参考訳（メタデータ） (2026-08-27T02:35:30Z) - AnchorFlow: Editable SVG Reconstruction via Sparse Anchor Point Fields [1.6513874937184163]
画像からSVGへの再構成は、入力に忠実で編集が容易なベクトルグラフィックスを作成することを目的としている。
既存の手法は、ベクトル構造をパラメータ化する方法における構造的トレードオフに直面している。
高忠実度法は、多くの経路や高密度パラメータ化された曲線に依存することが多いが、過度にコンパクトな生成は入力幾何学から逸脱することがある。
論文 参考訳（メタデータ） (2026-05-19T08:49:17Z) - Multimodal OCR: Parse Anything from Documents [72.69545534962234]
dots.mocrは、チャート、ダイアグラム、テーブル、アイコンなどのビジュアル要素を第一級解析ターゲットとして扱う。
テキストとグラフィックの両方を構造化出力として再構築し、より忠実なドキュメント再構築を可能にする。
不均一なドキュメント要素に対するエンドツーエンドのトレーニングをサポートする。
論文 参考訳（メタデータ） (2026-03-13T14:42:21Z) - Semantic Document Derendering: SVG Reconstruction via Vision-Language Modeling [32.22298939812003]
SliDerは視覚言語モデルを用いてスライド画像をコンパクトかつ編集可能なSVG表現としてデレンダする新しいフレームワークである。
SliDerは0.069のLPIPSを復元し、最強のゼロショットVLMベースラインに比べて82.9%のケースでヒト評価者によって好まれる。
論文 参考訳（メタデータ） (2025-11-17T15:16:13Z) - 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) - See it. Say it. Sorted: Agentic System for Compositional Diagram Generation [0.5079602839359522]
スケッチ・トゥ・ダイアグラムの生成について研究し、粗い手書きスケッチを正確な構成図に変換する。
視覚言語モデル(VLM)とLarge Language Models(LLM)を結合した学習自由エージェントシステムSorted.を紹介する。
このシステムは、批判的VLMが小さな定性的な編集セットを提案する反復ループを実行し、複数の候補LPMが様々な戦略で更新を合成する。
この設計は、不安定な数値推定よりも定性的推論を優先し、大域的制約(例えば、アライメント、接続性)を保存し、自然に人間のループをサポートする。
論文 参考訳（メタデータ） (2025-08-21T04:20:36Z) - 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) - Towards Layer-wise Image Vectorization [57.26058135389497]
画像をSVGに変換し,画像トポロジを同時に維持するためのレイヤワイズ画像ベクトル化(LIVE)を提案する。
Liveは、人間の視点にセマンティックに整合した階層構造を持つコンパクトなフォームを生成する。
Liveは、デザイナの両方のために編集可能なSVGを起動し、他のアプリケーションで使用することができる。
論文 参考訳（メタデータ） (2022-06-09T17:55:02Z)
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。