Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
В Alexa+ запустили конвейер, который по текстовому описанию создаёт анимированные векторные иконки и допускает их к проверке дизайнером. В нерецензированном препринте Rohan Sequeira и соавторов, где все числа получили сами авторы, доля пригодных рисунков выросла с 15,7% до 58,7%. Работа показывает, как превратить формальные требования к дизайну одновременно в сигнал для обучения и автоматический допуск в рабочем контуре.
Конвейер отделяет смысл иконки от её геометрии
Alexicons появляются на экранах устройств Alexa+ во время разговора: запрос о готовке может вызвать изображение сковороды, а разговор о погоде — зонта. Раньше дизайнеры рисовали такие иконки по одной, поэтому библиотека не могла охватить всё разнообразие тем открытого диалога.
Новый конвейер начинает с чёрно-белого линейного рисунка. Модель получает текстовое описание и примеры стиля: непрерывные линии, плавные изгибы, скруглённые углы, одинаковая толщина штриха и отсутствие залитых областей. Затем рисунок уменьшают до размеров экрана и заново выводят с рабочей толщиной линий.
Именно здесь проявляется главный дефект. Контуры, которые выглядели раздельными в исходном изображении, после уменьшения сливаются в чёрные пятна. Поздние этапы уже не могут исправить такую геометрию: ошибка переходит в разбиение на части, векторизацию и анимацию.
Рисунок, прошедший первичную проверку, разбирает модель, которая работает с изображениями и текстом. Она выделяет смысловые части объекта, например рукоять, лезвие и основание. Генератор перерисовывает их разными цветами, после чего конвейер разделяет изображение на маски и превращает центральные линии компонентов в пути SVG.
Далее система назначает пути из фиксированной палитры, определяет порядок перекрывающихся деталей и добавляет затухание на открытых концах. Граф связей между линиями задаёт последовательность движения, а результат экспортируется в Lottie для воспроизведения на устройстве.
Проверяющий модуль стал наградой и производственным фильтром
Для обучения выбрали FLUX.2 [klein], открытую модель генерации изображений с 4 млрд параметров. Готового набора корректных иконок под требования Alexa+ не было, поэтому обычное дообучение на парах «описание — правильный рисунок» не подходило.
Вместо эталонных изображений команда построила геометрический измеритель. Он находит слишком узкие зазоры, слившиеся штрихи и небольшие замкнутые области, которые после вывода превращаются в точки. Все пороги зависят от толщины линии, а не от абсолютного числа пикселей, поэтому проверка переносится между разрешениями.
Одна геометрия даёт слишком много ложных срабатываний. Пересечение лезвий ножниц или соединение ремешка с корпусом часов выглядит для измерителя так же, как случайно склеенные линии. Поэтому поверх него обучили классификатор с градиентным бустингом: он отличает дефект от необходимого соединения по форме области и контексту всей иконки.
Для классификатора вручную разметили 3 836 спорных областей в 682 иконках. Средняя F1-мера по классам составила 0,685: эта метрика объединяет точность с полнотой, поэтому результат указывает на заметный шум, а не на безошибочную проверку.
Затем проверяющий модуль включили в обучение с подкреплением по проверяемой награде (RLVR). Модель получала положительный сигнал за узнаваемый объект с разделёнными штрихами и штраф за дефекты. Дополнительные проверки не позволяли обмануть награду пустым холстом, слишком маленьким рисунком или цветным изображением вместо линейного.
Качество после обучения оценивала отдельная модель, не участвовавшая в расчёте награды. Доля провалов, где целая часть рисунка превращалась в сплошную массу, сократилась с 60,5% до 31,9% среди неудачных результатов. Остались преимущественно локальные слияния на стыках деталей.
Планы меняются там, где требования можно измерить
Практическая схема работы состоит не в том, чтобы добавить модель-оценщик после генератора. Сначала команда формализует дефект через преобразование, которое повторяет реальные условия выпуска. Затем классификатор отделяет допустимые исключения, а итоговая проверка становится общей для обучения и рабочего конвейера.
Такой подход подходит генерации интерфейсной графики, схем и других материалов с проверяемыми ограничениями: минимальным зазором, толщиной линии, допустимой плотностью или фиксированной палитрой. Он менее применим там, где качество сводится к субъективной оценке и его нельзя связать с устойчиво измеряемым свойством результата.
Обучение в работе занимало один узел с 8 GPU H200. Это делает метод отдельным проектом по адаптации модели, а не дешёвой настройкой фильтра после API. Оправдан он прежде всего при большом потоке однотипных материалов, где повторная генерация и ручная отбраковка уже создают постоянные расходы.
Проверяли одну модель, один набор требований к стилю и отложенные понятия из той же задачи линейных иконок. Часть сложных сюжетов всё равно не помещается в заданную толщину линий: модели приходится упрощать объект, из-за чего он теряет узнаваемость. Для таких случаев понадобится отдельная награда за осмысленное упрощение, а финальный допуск в описанном конвейере по-прежнему заканчивается проверкой дизайнера.
Источники
Иллюстрация: рисунок из статьи «From Handcrafted to Generative: RLVR-Optimized Icon Generation for Alexa+», Rohan Sequeira, Matthew Rosenberg, Amin Mahmoudabadbozchelou и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
