論文の概要: From Handcrafted to Generative: RLVR-Optimized Icon Generation for Alexa+

• arxiv url: http://arxiv.org/abs/2611.06123v1
• Date: Wed, 04 Nov 2026 08:08:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.022225
• Title: From Handcrafted to Generative: RLVR-Optimized Icon Generation for Alexa+
• Title（参考訳）: ハンドクラフトからジェネレーティブへ:Alexa+用のRLVR最適化アイコン生成
• Abstract要約: 画面付きのAlexa+デバイスは会話中にアニメーションアイコンを表示する。 これらのアイコンのオリジナルのセットは、デザイナーによって一度に1つずつ手書きされた。 我々は、これらのベクトル化されたアニメーションアイコンを生成する、本番環境にデプロイされた自動パイプラインについて説明する。
• 参考スコア（独自算出の注目度）: 0.5219568203653523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alexa+ devices with screens display animated icons during conversations to visually reinforce what is being said. The original set of these icons was hand-drawn by designers one at a time, a process that produces polished results but is time-consuming and cannot scale to the range of topics encountered in open-ended conversation. We describe an automated pipeline, deployed in production, that generates these vectorised animated icons from a text description alone and surfaces relevant animations to customers based on their ongoing conversation. The pipeline decomposes icon creation into a sequence of stages (image generation, semantic decomposition, vectorisation, styling, and animation). Its quality is determined at the very first of these, image generation, on which every downstream stage depends. We therefore focus on improving this first and most critical stage. Because the icons are rendered on small display canvases under strict design guidelines, generations are often unsuitable for production. Supervised fine-tuning is not viable, as no dataset of line-art icons exists under these constraints. Instead, we design objective verifiers that automatically flag generations violating the design guidelines, and use them to fine-tune a flow matching image generation model via reinforcement learning from verifiable rewards (RLVR). The fine-tuned model raises the pass rate from 15.7% to 58.7% (3.7x) under a VLM judge that is independent of the reward model. Both the trained model and the verifier are deployed in the production pipeline, where the verifier also serves as the automated quality gate before final design review.
• Abstract（参考訳）: 画面のあるAlexa+デバイスは会話中にアニメーションアイコンを表示し、その発言を視覚的に補強する。 これらのアイコンの元々のセットは、デザイナーが一度に1つずつ手書きしたもので、洗練された結果を生み出すが、時間がかかり、オープンエンドの会話で遭遇するトピックの範囲にスケールできない。 本稿では,本番環境に展開された自動パイプラインについて述べる。テキスト記述だけでベクトル化されたアニメーションアイコンを生成し,現在進行中の会話に基づいて,関連するアニメーションを顧客に提示する。 パイプラインはアイコン生成を一連のステージ(画像生成、意味分解、ベクトル化、スタイリング、アニメーション)に分解する。 その品質は、まず最初に、下流の各ステージが依存する画像生成で決定される。 したがって、私たちはこの最初の、そして最も重要なステージを改善することに重点を置いています。 アイコンは厳格なデザインガイドラインの下で小さなディスプレイキャンバスでレンダリングされるため、世代は生産に適さないことが多い。 これらの制約の下にラインアートアイコンのデータセットが存在しないため、監督された微調整は実行できない。 代わりに、設計ガイドラインに違反する世代を自動的にフラグ付けする客観的検証器を設計し、検証可能な報酬(RLVR)からの強化学習を通じてフローマッチング画像生成モデルを微調整する。 微調整されたモデルでは、報酬モデルに依存しないVLM審査員の下でパスレートが15.7%から58.7%(3.7倍)に上昇する。 トレーニングされたモデルと検証者の両方がプロダクションパイプラインにデプロイされ、最終設計レビューの前に検証者が自動品質ゲートとしても機能する。

関連論文リスト

• Imagine to Act: High-Fidelity Data Synthesis via Image Editing World Model for Scalable GUI Agent Training [6.270679361948244]
  Infinite-Dreamerは,ピクセルレベルの画像編集ワールドモデルを利用したシミュレーション不要なデータ合成手法である。 画像編集タスクとしてGUIトランジションを概念化することにより、視覚言語モデル(VLM)を利用して、アクション誘発UI変更を構造化デルタテキストとして記述する。 このモデルを用いて、単一フレームの視覚データと多段階の仮想軌道を生成する。
  論文  参考訳（メタデータ） (2026-10-05T06:28:58Z)
• Dream.exe: Can Video Generation Models Dream Executable Robot Manipulation? [57.234658753381915]
  本稿では,ロボット操作を具体的かつ測定可能な窓として提案する。 もしモデルが本当に内在的な物理法則を持っているなら、その動きは実行可能なロボットの振る舞いに変換されるべきである。 Dream$.$exeは、ビデオから実行パイプラインを通じてこの基準を運用する評価フレームワークである。
  論文  参考訳（メタデータ） (2026-06-03T12:35:35Z)
• Imagine Before You Draw: Visual Prompt Engineering for Image Generation [67.81347924426714]
  内部フレームワークにシームレスに統合可能なVisual Prompt Engineering (VPE)を提案する。 我々は,クラス条件生成,テキスト・ツー・イメージ生成,画像編集にまたがってVPEを検証する。 その結果, VPEはコンバージェンスを加速し, 天井の質を高め, 内部統合により, 編集保存性を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-06-03T05:01:36Z)
• Generate Your Talking Avatar from Video Reference [54.88475181123363]
  既存の会話アバター法は、通常、ターゲット生成と同じシーン内の静的参照画像に条件付きイメージ・ツー・ビデオパイプラインを採用する。 本稿では,ビデオレファレンス(TAVR)からのトークアバター生成について紹介する。
  論文  参考訳（メタデータ） (2026-04-30T14:22:27Z)
• AniDoc: Animation Creation Made Easier [54.97341104616779]
  我々の研究は、ますます強力なAIの可能性を生かして、2Dアニメーションを制作する際のコスト削減に重点を置いている。 AniDocはビデオラインアートのカラー化ツールとして登場し、自動的にスケッチシーケンスをカラーアニメーションに変換する。 本モデルでは,一致マッチングを明示的なガイダンスとして活用し,基準文字と各ラインアートフレームの変動に強いロバスト性を与える。
  論文  参考訳（メタデータ） (2024-12-18T18:59:59Z)
• IconShop: Text-Guided Vector Icon Synthesis with Autoregressive Transformers [35.9550310656242]
  自動回帰変換器を用いたテキスト誘導ベクトルアイコン合成法であるIconShopを導入する。 IconShopは、既存の画像ベースや言語ベースの方法よりも優れたアイコン合成機能を備えている。
  論文  参考訳（メタデータ） (2023-04-27T17:58:02Z)
• Capabilities, Limitations and Challenges of Style Transfer with CycleGANs: A Study on Automatic Ring Design Generation [7.489793155793319]
  本研究は,CycleGANが初期スケッチから3Dデザインを表す2Dの最終レンダリングへのスタイル転送に適用可能であることを検証する。 私たちのコントリビューションは、顧客が購入する前に最終製品を見ることを可能にするため、プロセスの重要な部分を必要とします。
  論文  参考訳（メタデータ） (2022-07-18T23:53:55Z)

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。