2025_NIPS_Rendering-Aware Reinforcement Learning for Vector Graphics Generation

文章核心总结

主要内容

该研究针对自回归视觉语言模型（VLM）生成SVG时缺乏渲染反馈、导致视觉保真度低、代码效率差的问题，提出了RLRF（Reinforcement Learning from Rendering Feedback）方法。通过两阶段训练（先SVG监督微调，再基于渲染反馈的强化学习），结合图像重建、语义相似性和代码效率的复合奖励函数，让模型从自身生成SVG的渲染结果中学习，显著提升了SVG生成的准确性、泛化能力和代码紧凑性，在Im2SVG和Text2SVG任务中均超越监督微调及现有主流模型。

创新点

1. 首次将在线强化学习应用于逆渲染代码生成任务，通过渲染反馈解决自回归SVG生成中渲染过程不可微的核心难题。
2. 设计了多维度复合奖励函数，整合像素级重建精度、语义对齐度和代码效率，提供全面且自动化的训练信号。
3. 提出两阶段训练框架（SVG-SFT + RLRF），先构建SVG基础生成能力，再通过强化学习优化视觉与代码质量，实现跨数据集的强泛化能力。

---

译文（Markdown格式）

Abstract

可缩放矢量图形（SVG）提供了一种强大的格式，能将视觉设计表示为可解释的代码。近年来，视觉语言模型（VLM）的进步通过将该问题构建为代码生成任务并利用大规模预训练，实现了高质量SVG生成。VLM特别适合此任务，因为它们既能捕捉全局语义，又能捕捉细粒度视觉模式，同时在视觉、自然语言和