Trazo de Sorpresa: Ilusiones Semánticas Progresivas en el Dibujo Vectorial

Stroke of Surprise: Progressive Semantic Illusions in Vector Sketching

February 12, 2026

Autores: Huai-Hsun Cheng, Siang-Ling Zhang, Yu-Lun Liu

cs.AI

Resumen

Las ilusiones visuales tradicionalmente se basan en manipulaciones espaciales como la consistencia multi-vista. En este trabajo, presentamos las Ilusiones Semánticas Progresivas, una novedosa tarea de dibujo vectorial en la que un único boceto experimenta una transformación semántica drástica mediante la adición secuencial de trazos. Presentamos *Stroke of Surprise*, un marco generativo que optimiza trazos vectoriales para satisfacer interpretaciones semánticas distintas en diferentes etapas del dibujo. El desafío principal radica en la "doble restricción": los trazos iniciales del prefijo deben formar un objeto coherente (por ejemplo, un pato) y, al mismo tiempo, servir como base estructural para un segundo concepto (por ejemplo, una oveja) al añadir los trazos delta. Para abordarlo, proponemos un marco de optimización conjunta consciente de la secuencia, impulsado por un mecanismo de Muestreo de Destilación de Puntuación de doble rama. A diferencia de los enfoques secuenciales que congelan el estado inicial, nuestro método ajusta dinámicamente los trazos del prefijo para descubrir un "subespacio estructural común" válido para ambos objetivos. Además, introducimos una nueva Pérdida por Superposición que impone complementariedad espacial, garantizando integración estructural en lugar de oclusión. Experimentos exhaustivos demuestran que nuestro método supera significativamente a los métodos de referencia más avanzados en reconocibilidad y fuerza de la ilusión, expandiendo con éxito los anagramas visuales de la dimensión espacial a la temporal. Página del proyecto: https://stroke-of-surprise.github.io/

English

Visual illusions traditionally rely on spatial manipulations such as multi-view consistency. In this work, we introduce Progressive Semantic Illusions, a novel vector sketching task where a single sketch undergoes a dramatic semantic transformation through the sequential addition of strokes. We present Stroke of Surprise, a generative framework that optimizes vector strokes to satisfy distinct semantic interpretations at different drawing stages. The core challenge lies in the "dual-constraint": initial prefix strokes must form a coherent object (e.g., a duck) while simultaneously serving as the structural foundation for a second concept (e.g., a sheep) upon adding delta strokes. To address this, we propose a sequence-aware joint optimization framework driven by a dual-branch Score Distillation Sampling (SDS) mechanism. Unlike sequential approaches that freeze the initial state, our method dynamically adjusts prefix strokes to discover a "common structural subspace" valid for both targets. Furthermore, we introduce a novel Overlay Loss that enforces spatial complementarity, ensuring structural integration rather than occlusion. Extensive experiments demonstrate that our method significantly outperforms state-of-the-art baselines in recognizability and illusion strength, successfully expanding visual anagrams from the spatial to the temporal dimension. Project page: https://stroke-of-surprise.github.io/