Colpo di Scena: Illusioni Semantiche Progressive nel Disegno Vettoriale

Stroke of Surprise: Progressive Semantic Illusions in Vector Sketching

February 12, 2026

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

cs.AI

Abstract

Le illusioni visive tradizionalmente si basano su manipolazioni spaziali come la coerenza multi-prospettica. In questo lavoro, introduciamo le Illusioni Semantiche Progressive, un innovativo compito di disegno vettoriale in cui un singolo schizzo subisce una drammatica trasformazione semantica attraverso l'aggiunta sequenziale di tratti. Presentiamo Stroke of Surprise, un framework generativo che ottimizza i tratti vettoriali per soddisfare distinte interpretazioni semantiche in diverse fasi del disegno. La sfida principale risiede nel "vincolo duale": i tratti iniziali del prefisso devono formare un oggetto coerente (ad esempio, un'anatra) mentre servono simultaneamente come fondamento strutturale per un secondo concetto (ad esempio, una pecora) con l'aggiunta di tratti delta. Per affrontare ciò, proponiamo un framework di ottimizzazione congiunta sequence-aware guidato da un meccanismo dual-branch di Score Distillation Sampling (SDS). A differenza degli approcci sequenziali che congelano lo stato iniziale, il nostro metodo modifica dinamicamente i tratti del prefisso per scoprire un "sottospazio strutturale comune" valido per entrambi i target. Inoltre, introduciamo una novella Overlay Loss che impone complementarità spaziale, garantendo integrazione strutturale anziché occlusione. Esperimenti estensivi dimostrano che il nostro metodo supera significativamente i baseline state-of-the-art in riconoscibilità e forza illusoria, espandendo con successo gli anagrammi visivi dalla dimensione spaziale a quella temporale. Pagina del progetto: 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/