論文の概要: Same Pixels, Different Documents: Measuring Part-Level Editability in Image Vectorization
- arxiv url: http://arxiv.org/abs/2611.10088v1
- Date: Fri, 06 Nov 2026 16:25:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-11 09:45:37.571059
- Title: Same Pixels, Different Documents: Measuring Part-Level Editability in Image Vectorization
- Title(参考訳): 画像ベクトル化における部分レベル編集可能性の測定
- Abstract要約: Pass@kは、特定のインタラクションモデルの下でkクリックで選択可能なオブジェクトを使用して、所定の編集が成功するかどうかをテストする。
我々は211の参照に対して12のオープンおよび商用メソッドを評価し、635の編集タスクを93に設定した。
- 参考スコア(独自算出の注目度): 8.11451836330381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image vectorization is often evaluated by rendering fidelity, which cannot distinguish documents that render identically but support different edits. Edit-based evaluation tests outcomes, but an oracle that gathers a part's fragments can conceal the cost of selecting them. We introduce Pass@k, which tests whether a prescribed edit can succeed using objects selectable within k clicks under a specified interaction model. Eight document diagnostics characterize properties relevant to editing beyond these tasks. We assess structural sensitivity through controlled perturbations, practical relevance through designer operations, and reference dependence through alternative drawings. We evaluate twelve open and commercial methods on 211 references, with 635 edit tasks on 93 of them. In each of four reference sets, including two drawn by designers, 64-88% of oracle-passed tasks on parts composed of multiple shapes fail at Pass@1, against 6-40% for single shapes, pooling counts over configurations. Higher fidelity does not guarantee higher Pass@1, while selected diagnostics are associated with designers' effort in our study.
- Abstract(参考訳): 画像ベクトル化は、同じレンダリングをするが異なる編集をサポートする文書を区別できない、忠実なレンダリングによってしばしば評価される。
編集ベースの評価テストの結果だが、部分のフラグメントを収集するオラクルは、それらを選択するコストを隠蔽することができる。
Pass@kは、特定のインタラクションモデルの下で、kクリックで選択可能なオブジェクトを使用して、所定の編集が成功するかどうかをテストする。
8つの文書診断は、これらのタスク以上の編集に関連するプロパティを特徴付ける。
制御された摂動による構造感度、設計者操作による実践的妥当性、代替図面による参照依存性を評価する。
我々は211の参照に対して12のオープンおよび商用メソッドを評価し、635の編集タスクを93に設定した。
デザイナーが描いた2つの参照セットを含む4つの参照セットでは、Pass@1で複数の形状で構成された部分のオーラクルパスタスクの64~88%が失敗し、単一形状では6~40%、構成上はプールされる。
より高い忠実度はPass@1を保証しませんが、選択された診断は設計者の努力と関係しています。
関連論文リスト
- WordEval: Evaluating Word-Native Operation Fidelity in Document Editing [107.75600333332538]
本稿では,Word編集操作の評価を集中する操作忠実度ベンチマークであるWordEvalを紹介する。
テキストやリスト、チャート、形状、SmartArtなど15のWord機能領域に642のケースがある。
我々は8つのエージェントシステムを評価し、特徴領域によって性能が異なるアトミックトラックで多くの苦労を経験する。
論文 参考訳(メタデータ) (2026-11-07T04:55:02Z) - Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models [68.83033665662025]
Co-Design Benchは、26,314の実際のユーザコーディングセッションにわたる37,463の重複クエリから算出された273のタスクのベンチマークである。
その2つのトラック、ME(Multimodal Editing)とRE(Repository Editing)は、任意の画像、オーディオ、ビデオ、文書入力を含むローカライズされた編集をカバーしている。
タスクは正規化されたリクエストをペアにし、2,331の隠れ専門家認可の受け入れ基準で事前編集可能なアプリケーションを実行する。
論文 参考訳(メタデータ) (2026-10-26T10:10:21Z) - SGDB: Semantic-Geometric Decoupling and Evidence Binding for Logical Anomaly Detection [5.986222238562057]
本稿では,コンポーネントアノテーション付き正規情報源と事実編集からオブジェクトの識別を学習するセマンティックデコーダを提案する。
サポート認定読者は、ライン品質と完全なコンポーネントオーナシップを用いてマスク由来の軸を選択する。
凍結された言語モデルは引用された主張として選択された結果を表現する。
論文 参考訳(メタデータ) (2026-10-26T06:17:14Z) - Beyond Plausibility: Verifiable Fine-Grained Image Editing on Structured Assets [21.31237367377913]
本稿では, 決定論的, 4軸評価を併用した, 現実的な構造化資産を対象とする, きめ細かな, 命令忠実な画像編集のためのベンチマークを提案する。
制御されたソースコード編集は、正確なターゲット画像、ピクセルレベルの編集マスク、明示的な編集仕様を出力しながら、元の視覚的コンテキストを保存する。
最強のモデルでさえ、フルクレジットには程遠いことが分かっています。
論文 参考訳(メタデータ) (2026-10-03T08:48:13Z) - TRACE-Bench: Decomposing and Diagnosing Multi-Reference Image Generation [74.69068352546073]
TRACE-Benchは、多様な芸術的スタイルと現実世界の主題にまたがるマルチ参照画像の評価ツールである。
631の定式テンプレートと、様々な芸術様式と現実世界の主題にまたがる約4,000の参照画像で構成されている。
その公式構造は、演算子整合性評価プロトコルを駆動し、可視性スコアリングと診断木解析を行う。
論文 参考訳(メタデータ) (2026-08-17T16:15:50Z) - CADEngBench: It Looks Like CAD, but Does It Work? Evaluating Parametric Design, Assembly Reasoning, and Physics Simulation [1.7032702581423902]
CADモデルは、正しいように見えるので、エンジニアリンググレードではない。
これらの機能のための2トラックのベンチマークであるCADEngBenchを紹介します。
論文 参考訳(メタデータ) (2026-08-10T08:47:18Z) - PaintBench: Deterministic Evaluation of Precise Visual Editing [50.50559031686293]
PaintBenchは20の基本的なビジュアル編集操作のベンチマークである。
11の画像編集モデル全体では、全体的なパフォーマンスが低く、現在の最高パフォーマンスの業界リーダーは17.1%に過ぎなかった。
詳細なベンチマーク診断では、オブジェクト数、背景の複雑さ、色スキーム、編集領域サイズなどのシーン変動によって生じるパフォーマンス劣化が示されている。
論文 参考訳(メタデータ) (2026-05-29T16:01:14Z) - Object-aware Inversion and Reassembly for Image Editing [61.19822563737121]
オブジェクトレベルのきめ細かい編集を可能にするために,オブジェクト認識型インバージョンと再アセンブリ(OIR)を提案する。
画像の編集時に各編集ペアに対して最適な反転ステップを見つけるために,検索基準を用いる。
本手法は,オブジェクトの形状,色,材料,カテゴリなどの編集において,特に多目的編集シナリオにおいて優れた性能を発揮する。
論文 参考訳(メタデータ) (2023-10-18T17:59:02Z)
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。