SVG 生成における構造的評価指標：ロブ・ア・アウト解析を介したアプローチ

arXiv:2604.08809v2 Announce Type: replace 要約：SVG 生成は通常、レンダリングされた出力を参照画像と比較して評価され、視覚的類似性はキャッチしますが、SVG が編集可能、分解可能、再利用可能にする構造的性質は捉えられていません。古典的なジャックナイフ手法に着想を得て、要素レベルのロブ・ア・アウト（LOO）解析を導入しました。この手法は、各要素が含まれているか含まれていないかを SVG にレンダリングすることで、品質評価と構造分析に必要な要素レベルのシグナルを生み出します。この単一の実施メカニズムから、(i) ゼロショットでアーティファクトを検出可能にする要素ごとの品質スコア、(ii) LOO フットプリントを VLM に基づいた概念ヒートマップとクロスさせ、要素概念帰属を得る、(iii) 純度、被覆盖率、コンパクト性、局所性の 4 つの構造的指標を導き出し、これらは SVG モジュラー性を補完的な角度から定量化します。これらの指標は、画像類似性からコード構造へと SVG 評価を拡張し、視覚的概念が SVG コード内でどのように表現され、分割され、組織化されるかを診断・比較する要素レベルの機能を提供します。実用的な有効性は、5 つの生成システムと 3 つの複雑度レベルを跨いで 19,000 以上（5 タイプ）のエディットで検証されました。

arXiv:2604.08809v2 Announce Type: replace Abstract: SVG generation is typically evaluated by comparing rendered outputs to reference images, which captures visual similarity but not the structural properties that make SVG editable, decomposable, and reusable. Inspired by the classical jackknife, we introduce element-level leave-one-out (LOO) analysis. The procedure renders the SVG with and without each element, which yields element-level signals for quality assessment and structural analysis. From this single mechanism, we derive (i) per-element quality scores that enable zero-shot artifact detection; (ii) element-concept attribution via LOO footprints crossed with VLM-grounded concept heatmaps; and (iii) four structural metrics: purity, coverage, compactness, and locality, which quantify SVG modularity from complementary angles. These metrics extend SVG evaluation from image similarity to code structure, enabling element-level diagnosis and comparison of how visual concepts are represented, partitioned, and organized within SVG code. Their practical relevance is validated on over 19,000 edits (5 types) across 5 generation systems and 3 complexity tiers.