Leveraging Large Language Models For Scalable Vector Graphics Processing: A Review
ITMO University(ITMO大学)
该综述系统梳理了基于大型语言模型的SVG处理研究,将其分为生成、编辑与理解三类任务,并评估了多个模型与基准,发现推理增强模型表现更优,同时指出了数据集多样性与丰富性的改进方向。
2025-05-22 cs.CV
A Scalable Pipeline Combining Procedural 3D Graphics and Guided Diffusion for Photorealistic Synthetic Training Data Generation in White Button Mushroom Segmentation
Antal Bejczy Center for Intelligent Robotics(安塔尔·贝茨奇智能机器人中心);Research and Innovation Center of Obuda University(奥布达大学研究与创新中心)
本文提出结合程序化3D图形和引导扩散模型,生成高逼真合成数据以提升白蘑菇分割性能。
2025-12-09 cs.CV
Rendering-Aware Reinforcement Learning for Vector Graphics Generation
ServiceNow Research(ServiceNow研究机构);Mila;ÉTS Montréal(蒙特利尔ÉTS);Polytechnique Montréal(蒙特利尔Polytechnique);Columbia University(哥伦比亚大学);Stony Brook University(石溪大学);Apple(苹果公司);Google Research(谷歌研究);Canada CIFAR AI Chair(加拿大CIFAR人工智能主席);McGill University(麦吉尔大学)
本文提出RLRF方法,通过利用渲染反馈提升自回归VLMs中SVG生成的准确性和效率。
2025-11-30 cs.AI cs.CV
InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training
Peking University(北京大学);Nanjing University(南京大学);Microsoft Research Asia(微软亚洲研究院)
提出InfiniteWeb系统,通过统一规范、任务驱动测试和多样化种子设计自动生成功能完备的Web环境,解决GUI智能体训练数据稀缺问题,在OSWorld和Online-Mind2Web上取得显著性能提升。
2026-07-01 cs.AI cs.CL cs.CV
A Learned Representation for Scalable Vector Graphics
Google Brain(谷歌大脑)
生成模型的巨大进步已经使人工渲染的人脸、动物和自然世界中的其他物体达到了近乎摄影的质量。尽管有这些进步,但对视觉和图像的更高层次的理解并不来自对对象的详尽建模,而是识别最能概括对象各方面的更高层次的属性。在这项工作中,我们试图通过建立矢量图形的顺序生成模型来模拟字体的绘制过程。该模型的好处是提供了一个规模不变的图像表示,其潜在的表示可以系统地操纵和利用执行风格传播。我们在一个大型的字体数据集上展示了这些结果,并强调了这样一个模型如何捕捉这个数据集的统计依赖性和丰富性。我们设想,我们的模型可以找到使用作为一个工具,图形设计师,以促进字体设计。
2019-04-04 cs.CV cs.LG stat.ML
A Scalable Vector Graphics Latent Space
University of Modena and Reggio Emilia(摩德纳和雷焦艾米利亚大学)
本文提出SLS(SVG隐空间),一种基于Transformer的自编码器,学习SVG路径的稠密可逆隐表示,可降低下游任务FLOPs超150倍,为矢量图形研究提供通用隐空间基础。
2026-08-25 cs.AI cs.CV
StarVector: Generating Scalable Vector Graphics Code from Images and Text
ServiceNow Research(ServiceNow研究院);Mila - Quebec AI Institute(米拉-魁北克人工智能研究所);ÉTS, Montréal, Canada(蒙特利尔高等技术学院);UBC, Vancouver, Canada(英属哥伦比亚大学)
本文提出StarVector多模态大语言模型,直接在SVG代码空间中利用视觉理解生成紧凑精确的矢量图形,并构建了2M样本数据集SVG-Stack和基准SVG-Bench,实现了最先进的性能。
2025-05-31 cs.AI cs.CL cs.CV
Leveraging Large Language Models for Scalable Vector Graphics-Driven Image Understanding
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本研究探索大语言模型的图像理解能力,通过将图像转换为SVG文本表示,在视觉推理、分布偏移分类等三类视觉任务上验证了LLM具备不错的视觉处理潜力,为相关研究开辟新方向。
2024-07-11 cs.AI cs.CL cs.CV
DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation
Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);ETH Zurich(苏黎世联邦理工学院)
可缩放矢量图形(SVG)在现代2D界面中无处不在,因为它们能够缩放到不同的分辨率。然而,尽管应用于光栅化图像的基于深度学习的模型取得了成功,但矢量图形表示学习和生成的问题在很大程度上仍未被探索。在这项工作中,我们提出了一种新的分层生成网络,称为DeepSVG,用于复杂的SVG图标生成和插值。我们的架构有效地解开高层次的形状从低层次的命令,编码形状本身。该网络以非自回归的方式直接预测一组形状。我们通过发布一个新的大规模数据集以及一个用于SVG操作的开源库来介绍复杂SVG图标生成的任务。我们证明了我们的网络能够准确地重建各种矢量图形,并且可以通过执行插值和其他潜在空间操作来作为一个强大的动画工具。我们的代码可在https://github.com/alexandre01/deepsvg上获得。
2020-10-22 cs.CV
SAMVG: A Multi-stage Image Vectorization Model with the Segment-Anything Model
Shanghai Jiao Tong University(上海交通大学);Cardiff University(卡迪夫大学)
SAMVG是一种多阶段图像矢量化模型,利用Segment-Anything模型的分割能力,通过过滤和补全机制将栅格图像高效转换为高质量SVG,在降低计算成本的同时优于现有方法。
2023-12-25 cs.CV
LayoutDETR: Detection Transformer Is a Good Multimodal Layout Designer
Salesforce Research(Salesforce研究院)
LayoutDETR将内容感知布局生成重新表述为检测问题,在背景图像中检测多模态前景元素的合理位置、尺度和空间关系,在公开基准和新广告横幅数据集上取得最先进性能,并获用户显著偏好。
2024-09-30 cs.CV
SVG360: Editable Multiview Vector Graphics from a Single SVG
Technical University of Darmstadt(达姆施塔特技术大学);University of Stuttgart(斯图加特大学)
本文提出SVG360框架,通过视图一致的矢量化流程将单个SVG转换为几何和视觉一致的多视角SVG资产,解决了多视角下路径碎片化和颜色不稳定的问题,提升了多视角一致性与编辑性。
2026-05-19 cs.CV
Chat2SVG: Vector Graphics Generation with Large Language Models and Image Diffusion Models
City University of Hong Kong(香港城市大学);Monash University(墨尔本大学)
针对现有文本转SVG方法在形状规整性、泛化能力和表现力上的局限,提出Chat2SVG混合框架,结合大语言模型生成SVG模板、图像扩散模型优化路径,提升生成质量并支持自然语言编辑。
2025-11-12 cs.CV cs.GR
SVGen: Interpretable Vector Graphics Generation with Large Language Models
Northwestern Polytechnical University(西北工业大学);Institute of Artificial Intelligence (TeleAI), China Telecom(人工智能研究院(TeleAI),中国电信)
针对矢量图形生成耗时的挑战,提出基于大规模数据集SVG-1M的端到端模型SVGen,结合课程学习与强化学习优化,从自然语言生成高准确性和结构完整的SVG代码,效果优于通用大模型。
2025-08-06 cs.CV cs.LG
Empowering LLMs to Understand and Generate Complex Vector Graphics
Beihang University(北京航空航天大学);The University of Hong Kong(香港大学)
本文提出LLM4SVG,通过可学习语义标记和模块化架构,增强LLM对SVG的理解与生成,并构建SVGX-SFT数据集以支持监督微调,解决矢量图形生成中的幻觉与遮挡问题。
2025-03-25 cs.CV
Cloud2Curve: Generation and Vectorization of Parametric Sketches
University of Surrey(萨里大学);iFlyTek-Surrey Joint Research Centre on Artificial Intelligence(科大讯飞-萨里大学人工智能联合研究中心);University of Edinburgh(爱丁堡大学)
在深度学习中,通过使用航点序列而不是光栅图形表示,对人类草图的分析取得了巨大的进步。我们进一步的目标是将草图建模为一系列低维参数曲线。为此,我们提出了一个逆图形框架,能够近似光栅或航点为基础的中风编码为一个点云与可变程度的贝塞尔曲线。在此模块的基础上,我们提出了Cloud 2Curve,这是一个可扩展的高分辨率矢量草图的生成模型,可以单独使用点云数据进行端到端的训练。因此,我们的模型也能够确定性的矢量化,可以映射新的光栅或基于航路点的草图,以其相应的高分辨率可扩展贝塞尔等效。我们在Quick,Draw!上评估我们模型的生成和矢量化能力。K-MNIST数据集。
2021-03-29 cs.AI cs.CV
SVGThinker: Instruction-Aligned and Reasoning-Driven Text-to-SVG Generation
Shanghai Jiao Tong University(上海交通大学);SJTU Paris Elite Institute of Technology(上海交通大学巴黎精英理工学院)
针对文本到SVG生成泛化弱、指令遵循差的问题,提出推理驱动框架SVGThinker,通过图元渲染标注、逐步更新数据与思维链SFT提升SVG质量、可编辑性和稳定性。
2025-09-29 cs.CV
CD-NGP: A Fast Scalable Continual Representation for Dynamic Scenes
Dept. of Automation, Shanghai Jiao Tong University(自动化系,上海交通大学)
本文提出CD-NGP持续学习框架,通过参数重用和时空哈希编码实现动态场景的高效新视角合成,并构建长时长多视角视频数据集,显著降低内存与带宽需求。
2025-07-19 cs.CV
PosterVerse: A Full-Workflow Framework for Commercial-Grade Poster Generation with HTML-Based Scalable Typography
PosterVerse通过全流程框架和HTML驱动技术,实现商业级海报的高密度文本渲染与灵活设计。
2026-01-07 cs.CV
BézierSketch: A generative model for scalable vector sketches
University of Surrey(萨里大学);iFlyTek-Surrey Joint Research Centre on Artificial Intelligence(科大讯飞-萨里大学人工智能联合研究中心);University of Edinburgh(爱丁堡大学)
人体素描的神经生成模型的研究是一个迷人的当代建模问题,由于素描图像生成和人类绘画过程之间的联系。具有里程碑意义的SketchRNN通过顺序生成草图作为一系列路点提供了突破。然而,这会导致生成低分辨率图像,并且无法对长草图进行建模。在本文中,我们提出了BézierSketch,一种新的生成模型,完全矢量草图,可自动扩展和高分辨率。为此,我们首先介绍了一种新的逆图形方法来嵌入笔划,该方法训练编码器将每个笔划嵌入到其最佳拟合的Bézier曲线。这使我们能够将草图视为参数化笔划的短序列,从而训练具有更大容量的周期性草图生成器,以生成更长的草图,同时生成可扩展的高分辨率结果。我们报告定性和定量结果的快速,绘制!标杆
2020-07-14 cs.CV cs.LG eess.IV
DesigNet: Learning to Draw Vector Graphics as Designers Do
Machine Learning Circle(机器学习圈);Universidad Politécnica de Madrid, Departamento de Inteligencia Artificial(马德里理工大学人工智能系);Qualcomm XR Labs(高通XR实验室)
DesigNet通过引入连续性和对齐性自 refinement 模块,实现了对 SVG 序列的直接操作,提升了矢量图形的编辑性和专业设计流程的集成性。
2026-04-07 cs.CV cs.GR
DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization
School of Computer Science The University of Sydney NSW 2006, Australia
DeepIcon 提出一种层次化图像矢量化网络,直接从栅格图像生成可变长度 SVG 图标,无需可微光栅化器,解决了形状不完整和语义保留不足的问题。
2024-10-21 cs.AI cs.CV
VectorFusion: Text-to-SVG by Abstracting Pixel-Based Diffusion Models
UC Berkeley(加州大学伯克利分校)
扩散模型在文本到图像的合成中已经显示出令人印象深刻的结果。使用大量的字幕图像数据集,扩散模型学习生成高度多样化的对象和场景的光栅图像。然而,设计师经常使用矢量表示的图像,如可缩放矢量图形(SVG)的数字图标或艺术。矢量图形可以缩放到任何大小,是紧凑的。我们表明,一个文本条件下的扩散模型训练图像的像素表示,可以用来生成SVG可导出的矢量图形。我们这样做没有访问标题SVG的大型数据集。通过优化可微分矢量图形光栅化器,我们的方法,VectorFusion,提取抽象的语义知识的预训练的扩散模型。受最近文本到3D工作的启发,我们使用Score Distillation Sampling学习与标题一致的SVG。为了加快生成速度并提高保真度,VectorFusion还从图像样本中进行了重新排序。实验表明比以前的工作更高的质量,并展示了一系列的风格,包括像素艺术和草图。请参阅我们的项目网页https://ajayj.com/vectorfusion。
2022-11-21 cs.AI cs.CV cs.GR
SVGFusion: A VAE-Diffusion Transformer for Vector Graphic Generation
Beihang University(北京航空航天大学);Bambu AI;The University of Hong Kong(香港大学)
本文提出SVGFusion框架,结合VAE-扩散架构生成高质量可编辑SVG,通过融合矢量与像素信息提升结构理解与生成质量。
2026-04-09 cs.CV cs.GR cs.LG
mEOL: Training-Free Instruction-Guided Multimodal Embedder for Vector Graphics and Image Retrieval
KAIST(韩国科学技术院);POSTECH
本文提出无需训练的指令引导多模态嵌入框架,通过多模态大语言模型将文本、位图和SVG代码映射到对齐的嵌入空间,利用模态特定指令和结构化SVG提示实现嵌入方向控制,构建首个文本到SVG检索基准,展示出优于传统基线的性能。
2026-04-18 cs.AI cs.CV
SVGBuilder: Component-Based Colored SVG Generation with Text-Guided Autoregressive Transformers
SVGBuilder基于组件的文本引导自回归变换生成高质量彩色SVG,显著降低计算开销,提升效率,引入ColorSVG-100K数据集提升模型多样性与颜色信息。
2026-03-19 cs.AI cs.CV cs.GR
HandwritingAgent: Language-Driven Handwriting Synthesis in Scalable Vector Space
Beijing Institute of Technology(北京理工大学);Beijing Academy of Artificial Intelligence(北京人工智能研究院)
提出HandwritingAgent,利用大推理模型在SVG格式中自动回归生成手写笔画序列,无需风格特定训练,通过自然语言和参考图像控制风格,在模仿、识别、多语言及复杂数学表达式合成等任务上达到或超越现有最优方法。
2026-11-17 cs.CL cs.CV
Visually Descriptive Language Model for Vector Graphics Reasoning
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Stanford University(斯坦福大学);Texas A&M University(德克萨斯A&M大学);Northwestern University(西北大学)
针对大型多模态模型底层视觉感知与高层语言推理脱节的问题,提出视觉描述语言模型VDLM,通过原生视觉描述PVD将SVG转为结构化文本表示,无需人工标注即可显著提升多模态感知推理性能与可解释性。
2025-06-12 cs.AI cs.CL cs.CV