論文の概要: Learning to Search for Executable Patternmaking from Certified Programs

• arxiv url: http://arxiv.org/abs/2610.21579v1
• Date: Thu, 15 Oct 2026 09:28:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.305561
• Title: Learning to Search for Executable Patternmaking from Certified Programs
• Title（参考訳）: 認定プログラムによる実行可能パターン作成の学習
• Abstract要約: 本稿では,SemDraftについて紹介する。SemDraftは,前後の縫製パターンから実行可能なパターン作成プログラムを探索するフレームワークである。 具体的には、有界検索は3回のチェック後にのみ、動作の編集プログラムを回復し、認証する。 学習したランキングは、1000件の検索実行のうち63件と64件を認定する。
• 参考スコア（独自算出の注目度）: 5.447856055223038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent models generate sewing patterns from images or text, and program-based representations make these patterns executable. These systems produce a finished pattern and do not model how a patternmaker turns one pattern into another. In practice a new style is made by editing an existing pattern: lengthening the bodice, moving a dart, swapping a sleeve. Pattern archives record the results of such edits and none of the steps. We observe that the steps can be recovered by searching over editing actions until one pattern becomes the other. A deterministic compiler makes the recovered steps checkable. To this end, we present SemDraft, the first framework that learns to search for executable patternmaking programs from paired before-and-after sewing patterns without recorded editing steps. Specifically, a bounded search recovers a program of editing actions and certifies it only after three checks: it recompiles from scratch, every pair of its actions is classified as ordered or interchangeable, and an independent replay reaches the same pattern. The certified programs then train a model that ranks candidate actions inside the same search. On two frozen draws of 80 order-sensitive cases, with every other search component fixed, the learned ranker certifies 63 and 64 cases within 1,000 search executions, against at most 53 and 52 for non-learned rankers.
• Abstract（参考訳）: 最近のモデルは画像やテキストからミシンパターンを生成し、プログラムベースの表現はこれらのパターンを実行可能なものにします。 これらのシステムは完了したパターンを生成し、パターン作成者があるパターンを別のパターンに変換する方法をモデル化しない。 実際には、既存のパターンを編集して、ボディーを長くしたり、ダーツを動かしたり、袖を交換したりして新しいスタイルを作る。 パターンアーカイブは、そのような編集の結果を記録し、どのステップも記録しない。 我々は、あるパターンがもう一方になるまで、編集動作を探索することで、ステップを復元することができることを観察した。 決定論的コンパイラは、回復したステップをチェック可能にします。 この目的のために、SemDraftは、編集ステップを記録することなく、ペア化された前後の縫製パターンから実行可能なパターン作成プログラムを探索する最初のフレームワークである。 具体的には、境界付き検索は3回のチェック後にのみ動作の編集プログラムを回復し、スクラッチから再コンパイルし、そのアクションのすべてのペアを順序付けまたは交換可能として分類し、独立リプレイは同じパターンに達する。 認定プログラムは、同じ検索内で候補者の行動をランク付けするモデルを訓練する。 他の検索コンポーネントが固定された80件のフリーズドローでは、学習したランサーは、1000件の検索実行で63件と64件のケースを認定し、少なくとも53件と52件の非学習ランクを認証する。

関連論文リスト

• Towards automatic digital garment assembly [51.56484100374058]
  本稿では,2次元ベクトルパターンを用いて,デジタル衣服の組み立てを自動化する2つの学習的アプローチを提案する。 自動縫製モデルはセグメントレベルで動作し,複数の予測ヘッドを持つトランスフォーマーエンコーダを利用する。 相補的なパネルレベルモデルは、ドレープシミュレーションに対する体領域割り当て、層、配置座標を予測する。 プロが組み立てた4,035個の衣料品をキュレートしたデータセット上で,両モデルを評価した。
  論文  参考訳（メタデータ） (2026-10-12T16:16:09Z)
• SchedCheck: Schedule-Robustness Analysis for Event-Driven Block Programs [2.054408744752205]
  Scratchのようなブロックベースの言語は、初心者がスプライトやスクリプトからインタラクティブなプログラムを組み立てることを可能にする。 これらのプログラムは実行順序に依存したスケジュールに敏感な動作を含むことを示す。 我々は、Scratch仮想マシンが実現可能なスケジュール空間を、初期実行可能ターゲットオーダーの置換として定式化する。
  論文  参考訳（メタデータ） (2026-07-01T08:41:53Z)
• Argus: Evidence Assembly for Scalable Deep Research Agents [74.04848873346145]
  本研究では,探索者とナビゲータが協力して,補完的な証拠からジグソーを組み立てるシステムを提案する。 我々は、強化学習でナビゲータを訓練し、検証、ディスパッチ、合成を行いながら、検索者が標準のReActエージェントのままでいられるように独立に訓練する。 サーチとナビゲータは35B-A3B MoEのバックボーン上に構築されており、Argusは1つのサーチと12.7ポイントの並列サーチと8つのベンチマークで5.5ポイントを獲得している。
  論文  参考訳（メタデータ） (2026-05-15T17:29:27Z)
• Learning Correct Behavior from Examples: Validating Sequential Execution in Autonomous Agents [6.9734639631942015]
  従来のテストアプローチでは、手動仕様、正確なシーケンスマッチング、数千のトレーニング例が必要です。 本稿では,2～10個の実行トレースから,正しい動作を自動的に学習するアルゴリズムを提案する。 制御実験では,製品バグや誤動作の検出において高い精度を実現した。
  論文  参考訳（メタデータ） (2026-05-04T21:07:56Z)
• Pattern Analogies: Learning to Perform Programmatic Image Edits by Analogy [30.223928085139573]
  本稿では,パターン画像のプログラム編集を行う新しい手法を提案する。 パターンアナロジー(意図された編集を示すための単純なパターンのペア)と、これらの編集を実行するための学習ベースの生成モデルを使用することで、ユーザは直感的にパターンを編集できる。
  論文  参考訳（メタデータ） (2024-12-17T01:52:12Z)
• Consecutive Batch Model Editing with HooK Layers [59.673084839708224]
  CoachHooKは、シーケンシャルおよびバッチ編集を同時にサポートするモデル編集方法である。 メモリフレンドリで、時間とともにサイズが変化しないいくつかのフック層を格納するために、少量しか必要としない。
  論文  参考訳（メタデータ） (2024-03-08T14:07:44Z)

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。