Chat2SVG：基于大语言模型和图像扩散模型的矢量图形生成
计算机视觉与模式识别
2025-11-13 v2 图形学
摘要
可缩放矢量图形 (SVG) 已成为数字设计中矢量图形的事实标准，具有分辨率独立性和对单个元素进行精确控制的优势。尽管如此，创建高质量的 SVG 内容仍然具有挑战性，因为这需要专业编辑软件的技术专业知识，并且需要花费大量时间来制作复杂的图形。最近的文本到 SVG 生成方法旨在使矢量图形创建更加可及，但仍存在形状规律性、泛化能力和表达性方面的局限性。为解决这些挑战，我们引入了 Chat2SVG，一个结合了大语言模型 (LLM) 和图像扩散模型的混合框架，用于文本到 SVG 的生成。我们的方法首先使用 LLM 从基本几何原语生成语义上有意义的 SVG 模板。通过图像扩散模型的引导，双阶段优化管道在潜在空间中细化路径，并调整点坐标以增强几何复杂度。广泛的实验表明，Chat2SVG 在视觉保真度、路径规律性和语义对齐方面均优于现有方法。此外，我们的系统通过自然语言指令实现了直观的编辑，使专业矢量图形创建变得易于所有用户。
引用
@article{arxiv.2411.16602,
title = {Chat2SVG: Vector Graphics Generation with Large Language Models and Image Diffusion Models},
author = {Ronghuan Wu and Wanchao Su and Jing Liao},
journal= {arXiv preprint arXiv:2411.16602},
year = {2025}
}
备注
Project Page: https://chat2svg.github.io/