Onverwachte Wending: Progressieve Semantische Illusies in Vector Schetsen

Stroke of Surprise: Progressive Semantic Illusions in Vector Sketching

February 12, 2026

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

cs.AI

Samenvatting

Visuele illusies berusten traditioneel op ruimtelijke manipulaties, zoals multi-view consistentie. In dit werk introduceren we Progressieve Semantische Illusies, een nieuwe vector schetstaak waarbij een enkele schets een dramatische semantische transformatie ondergaat door de sequentiële toevoeging van lijnen. Wij presenteren Stroke of Surprise, een generatief raamwerk dat vectorlijnen optimaliseert om onderscheidende semantische interpretaties te bevredigen op verschillende tekenstadia. De kernuitdaging ligt in de "dubbele beperking": initiële prefixlijnen moeten een coherent object vormen (bijv. een eend) terwijl ze gelijktijdig dienen als structurele basis voor een tweede concept (bijv. een schaap) na toevoeging van delta-lijnen. Om dit aan te pakken, stellen we een sequentiebewust gezamenlijk optimalisatieraamwerk voor, aangedreven door een dual-branch Score Distillation Sampling (SDS) mechanisme. In tegenstelling tot sequentiële benaderingen die de initiële staat bevriezen, past onze methode prefixlijnen dynamisch aan om een "gemeenschappelijke structurele deelruimte" te ontdekken die geldig is voor beide doelen. Verder introduceren we een nieuw Overlay-verlies dat ruimtelijke complementariteit afdwingt, om structurele integratie in plaats van occlusie te waarborgen. Uitgebreide experimenten tonen aan dat onze methode state-of-the-art baseline-methoden significant overtreft in herkenbaarheid en illusiekracht, en daarmee visuele anagrammen succesvol uitbreidt van de ruimtelijke naar de temporele dimensie. Projectpagina: 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/