DesigNet：像设计师一样学习绘制矢量图形
计算机视觉与模式识别
2026-04-09 v1 图形学
摘要
AI驱动的内容生成近年来取得了显著进展。然而，神经网络和人类设计师的运作方式根本不同，使得它们之间的协作具有挑战性。我们针对可缩放矢量图形（SVG）弥合了这一差距，为神经网络配备了设计师常用的工具，如轴对齐和命令连接处的显式连续性控制。我们提出了DesigNet，一个直接作用于SVG序列的层次化Transformer-VAE，采用连续命令参数化。我们的主要贡献是两个可微分模块：一个连续性自优化模块，预测每个曲线点的 、 和 连续性并通过修改Bézier控制点来强制执行；以及一个具有水平和垂直线吸附能力的对齐自优化模块。DesigNet生成可编辑轮廓，并在与最先进方法的对比中取得了有竞争力的结果，在连续性和对齐精度方面尤为突出。这些特性确保了输出更易于完善并集成到专业设计工作流中。源代码：https://github.com/TomasGuija/DesigNet。
引用
@article{arxiv.2604.06494,
title = {DesigNet: Learning to Draw Vector Graphics as Designers Do},
author = {Tomas Guija-Valiente and Iago Suárez},
journal= {arXiv preprint arXiv:2604.06494},
year = {2026}
}