Leave-One-Out 分析による SVG 生成のための構造評価指標

概要: スケーラブル・ベクター・グラフィックス（SVG）は、視覚コンテンツを構造化された編集可能なコードとして表現します。各要素（パス、図形、またはテキストノード）は、個別に検査したり、変換したり、削除したりできます。この構造的な編集可能性はSVG生成の主要な動機ですが、既存の評価プロトコルの多くは、出力を参照画像または入力テキストに対する単一の類似度スコアへと主に縮約し、その結果が画像をどれだけ忠実に再現できたか、または指示にどれだけ従ったかを測るものに留まっており、SVGが価値あるものにしている構造特性をどれだけ保持できているかは測れていません。特に、既存の指標では、生成された各要素のうち全体の見た目の品質に対してプラスに寄与しているものがどれかを特定できないこと、視覚的概念がコードの具体的などの部分に対応しているかを決定できないこと、また生成出力が意味のある後続編集を支援できているかどうかを判断できないことがあります。そこで、古典的なジャックナイフ推定量に着想を得た、要素レベルの leave-one-out（LOO）分析を導入します。この手順では、各要素を含めたSVGと含めないSVGをレンダリングし、その結果として生じる視覚的変化を測定し、構造品質の指標群を導出します。単純さにもかかわらず、ジャックナイフが集計統計量をサンプルごとの寄与に分解できる能力は、この設定へそのまま直結します。単一の仕組みから、次のものが得られます：（1）LOOスコアリングによる要素ごとの品質スコアにより、ゼロショットでアーティファクトを検出可能にすること；（2）各要素が担う視覚的概念への対応付けを行う、概念—要素の帰属（アトリビューション）；（3）補完的な観点からSVGのモジュール性を定量化する4つの構造指標、純度（purity）、カバレッジ（coverage）、コンパクトネス（compactness）、ローカリティ（locality）です。これらの指標を、5種類の編集（計19,000件超）を、5つの生成システムと3つの複雑性ティアにまたがって検証します。