层次化SVG分词：用于可缩放矢量图形建模的紧凑视觉程序学习
机器学习
2026-04-13 v2
摘要
近期大型语言模型将SVG生成从可微分渲染优化转向自回归程序合成。然而，现有方法仍依赖源自自然语言处理的通用字节级分词，未能良好反映矢量图形的几何结构。数值坐标被分割为离散符号，破坏了空间关系，导致严重的token冗余，常引发坐标幻觉和低效的长序列生成。为解决这些问题，我们提出了HiVG——一种为自回归矢量图形生成定制的层次化SVG分词框架。HiVG将原始SVG字符串分解为结构化的原子token，进一步将可执行命令-参数组压缩为受几何约束的segment token，显著提升序列效率同时保持语法有效性。为进一步缓解空间不匹配，我们引入了分层均值-噪声(Hierarchical Mean--Noise, HMN)初始化策略，将数值排序信号和语义先验注入新token的嵌入中。结合逐渐增加程序复杂度的课程训练范式，HiVG实现了更稳定的可执行SVG程序学习。在针对文本到SVG和图像到SVG的广泛实验中，我们的结果表明，相较于传统分词方案，HiVG在生成保真度、空间一致性和序列效率方面均取得改进。我们的代码已公开于 https://github.com/ximinng/HiVG
引用
@article{arxiv.2604.05072,
title = {Hierarchical SVG Tokenization: Learning Compact Visual Programs for Scalable Vector Graphics Modeling},
author = {Ximing Xing and Ziteng Xue and Zhenxi Li and Weicong Liang and Linqing Wang and Zhantao Yang and Tiankai Hang and Zijin Yin and Qinglin Lu and Chunyu Wang and Qian Yu},
journal= {arXiv preprint arXiv:2604.05072},
year = {2026}
}
备注
Homepage: https://hy-hivg.github.io/