CANVAS：通过视觉自适应采样进行一致性感知导航，以生成长上下文文本到 SVG

自回归大型模型最近将文本到 SVG 的生成从简单的图标推进到复杂的长上下文图形，但标准自回归解码通常无法保持几何、布局、遮挡和合成的全局一致性。我们引入了 CANVAS（通过视觉自适应采样进行一致性感知导航），这是一个 无需训练 渲染感知推理框架，它将功率锐化的轨迹可能性与渲染未来的视觉反馈相结合，并得出笔划明智的导航规则。它在有限的生成和渲染预算下有效地估计每个候选笔划的未来价值，并根据候选不确定性、决策影响和部署成本自适应地分配样本。跨多个自回归 SVG 主干和互补基准的实验证明了全局一致性的改进，包括良好的几何关系、空间布局、遮挡顺序和整体构成，无需额外的训练，证明了我们框架的有效性和泛化能力。