Tag · 7 篇

矢量图形生成

分布生成模型与扩散3图像编辑与可控生成3视觉语言模型1

VecGlypher: Unified Vector Glyph Generation with Language Models

将矢量字形生成建模为自回归序列生成问题，直接输出SVG路径令牌，避免了栅格化中间步骤，为视觉生成任务提供了一种可编辑、高保真的矢量输出范式；其两阶段训练策略和坐标量化方法可迁移到其他结构化图形生成任务。

SketchRevive: Fine-Grained Pixel-to-Vector Sketch Completion with Diffusion-Prior-Guided Multimodal LLMs

把扩散模型的多尺度 UNet 特征与线条预测 logits 注入 MLLM 视觉嵌入并做词元压缩，这一「扩散先验聚合编码」思路可迁移到任何需要把像素级生成先验喂给多模态大模型的图像编辑/矢量化任务。

ShapeAR: Generating Editable Shape Layers via Autoregressive Diffusion

把光栅图像分解为可编辑的 RGBA 矢量形状层，并用自回归流匹配扩散在潜空间中逐步生成，为图像矢量化与分层编辑提供了一条不依赖边界追踪的新路径；其几何感知评测指标也可复用于形状生成质量评估。

SemLayer: Semantic-aware Generative Segmentation and Layer Construction for Abstract Icons

将扁平化矢量图标分解为语义层，为编辑、重着色和动画提供可操作的分层结构；其语义补全和遮挡关系推断方法可迁移到其他需要恢复遮挡结构的图像编辑任务。

IntroSVG: Learning from Rendering Feedback for Text-to-SVG Generation via an Introspective Generator-Critic Framework

将渲染后的视觉反馈引入自回归生成循环，通过生成器-评论器双角色VLM和DPO对齐，为文本到矢量图形生成提供了可复用的闭环优化范式。

Illustrator's Depth: Monocular Layer Index Prediction for Image Decomposition

提出一种新的深度定义——插画师深度，为每个像素预测图层索引，实现可编辑的图像分解；该表示可直接用于图像矢量化、文本到矢量图形生成、2D 到 3D 浮雕生成以及深度感知编辑，为视觉研究提供了可复用的分层表示思路。

DuetSVG: Unified Multimodal SVG Generation with Internal Visual Guidance

将视觉预测作为解码时的内部引导信号，并配合测试时缩放策略，可迁移到其他需要结构化输出的多模态生成任务（如代码生成、布局生成）中，提升生成结果的几何一致性与视觉合理性。