Traço do Inesperado: Ilusões Semânticas Progressivas no Desenho Vetorial

Stroke of Surprise: Progressive Semantic Illusions in Vector Sketching

February 12, 2026

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

cs.AI

Resumo

As ilusões visuais tradicionalmente baseiam-se em manipulações espaciais, como a consistência multi-visão. Neste trabalho, introduzimos as Ilusões Semânticas Progressivas, uma nova tarefa de desenho vetorial na qual um único esboço sofre uma transformação semântica dramática através da adição sequencial de traços. Apresentamos o Stroke of Surprise, um framework generativo que otimiza traços vetoriais para satisfazer interpretações semânticas distintas em diferentes fases do desenho. O principal desafio reside na "restrição dupla": os traços iniciais do prefixo devem formar um objeto coerente (por exemplo, um pato) enquanto servem simultaneamente como base estrutural para um segundo conceito (por exemplo, uma ovelha) após a adição de traços delta. Para resolver isto, propomos um framework de otimização conjunta consciente da sequência, orientado por um mecanismo duplo de Score Distillation Sampling (SDS). Diferente de abordagens sequenciais que congelam o estado inicial, o nosso método ajusta dinamicamente os traços do prefixo para descobrir um "subespaço estrutural comum" válido para ambos os alvos. Adicionalmente, introduzimos uma nova Perda de Sobreposição que impõe complementaridade espacial, garantindo integração estrutural em vez de oclusão. Experiências extensivas demonstram que o nosso método supera significativamente os baseline state-of-the-art em reconhecibilidade e força de ilusão, expandindo com sucesso os anagramas visuais da dimensão espacial para a temporal. Página do projeto: 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/