循环渲染：通过视觉自我反馈生成矢量图形

多模态 大语言模型 (MLLM) 在通过直接代码合成生成可扩展矢量图形 (SVG) 方面表现出了良好的能力。然而，现有的范例通常采用开环“盲画”方法，其中模型生成符号代码序列而不感知中间视觉结果。这种方法严重未充分利用 MLLM 视觉编码器中嵌入的强大视觉先验，将 SVG 生成视为一种脱节的文本序列建模任务，而不是集成的视觉空间任务。因此，模型很难推理部分画布状态和隐式遮挡关系，这些关系在视觉上是明确的，但在文本上却是模糊的。为了弥补这一差距，我们提出了 Render-in-the-Loop，这是一种新颖的生成范例，它将 SVG 合成重新表述为逐步的、视觉上下文感知的过程。通过将中间代码状态渲染到累积画布中，该模型显式地观察每一步不断变化的视觉上下文，利用动态反馈来指导后续生成。然而，我们证明，将这种视觉循环天真地应用于现成的模型并不是最理想的，因为它们无法利用增量视觉代码映射。为了解决这个问题，我们首先利用细粒度路径分解来构造密集的多步视觉轨迹，然后引入视觉自反馈（VSF）训练策略来在中间视觉状态上调节下一代原始数据。此外，提出了渲染和验证（RaV）推理机制来有效过滤退化和冗余图元。我们的框架在多模式基础模型上实例化，其性能优于标准 MMSVGBench 上强大的开放权重基线。这一结果凸显了我们的循环渲染范例对于文本到 SVG 和图像到 SVG 任务的卓越数据效率和泛化能力。