OmniSVG: Um Modelo Unificado de Geração de Gráficos Vetoriais Escaláveis

OmniSVG: A Unified Scalable Vector Graphics Generation Model

April 8, 2025

Autores: Yiying Yang, Wei Cheng, Sijin Chen, Xianfang Zeng, Jiaxu Zhang, Liao Wang, Gang Yu, Xingjun Ma, Yu-Gang Jiang

cs.AI

Resumo

Scalable Vector Graphics (SVG) é um formato de imagem importante amplamente adotado em design gráfico devido à sua independência de resolução e editabilidade. O estudo da geração de SVG de alta qualidade tem continuamente atraído a atenção de designers e pesquisadores na comunidade de AIGC. No entanto, os métodos existentes ou produzem saídas não estruturadas com um custo computacional elevado ou são limitados à geração de ícones monocromáticos com estruturas excessivamente simplificadas. Para produzir SVG de alta qualidade e complexos, propomos o OmniSVG, um framework unificado que aproveita modelos de visão e linguagem pré-treinados (VLMs) para a geração multimodal de SVG de ponta a ponta. Ao parametrizar comandos e coordenadas SVG em tokens discretos, o OmniSVG desacopla a lógica estrutural da geometria de baixo nível para um treinamento eficiente, mantendo a expressividade de estruturas SVG complexas. Para avançar ainda mais o desenvolvimento da síntese de SVG, introduzimos o MMSVG-2M, um conjunto de dados multimodal com dois milhões de ativos SVG ricamente anotados, juntamente com um protocolo de avaliação padronizado para tarefas de geração condicional de SVG. Experimentos extensivos mostram que o OmniSVG supera os métodos existentes e demonstra seu potencial para integração em fluxos de trabalho profissionais de design SVG.

English

Scalable Vector Graphics (SVG) is an important image format widely adopted in graphic design because of their resolution independence and editability. The study of generating high-quality SVG has continuously drawn attention from both designers and researchers in the AIGC community. However, existing methods either produces unstructured outputs with huge computational cost or is limited to generating monochrome icons of over-simplified structures. To produce high-quality and complex SVG, we propose OmniSVG, a unified framework that leverages pre-trained Vision-Language Models (VLMs) for end-to-end multimodal SVG generation. By parameterizing SVG commands and coordinates into discrete tokens, OmniSVG decouples structural logic from low-level geometry for efficient training while maintaining the expressiveness of complex SVG structure. To further advance the development of SVG synthesis, we introduce MMSVG-2M, a multimodal dataset with two million richly annotated SVG assets, along with a standardized evaluation protocol for conditional SVG generation tasks. Extensive experiments show that OmniSVG outperforms existing methods and demonstrates its potential for integration into professional SVG design workflows.