LiveSVG：基于视频生成的零样本 SVG 动画
计算机视觉与模式识别
2026-05-29 v1
摘要
我们提出 LiveSVG，一种利用视频扩散模型生成可缩放矢量图形 (SVG) 动画的零样本方法。当前的 SVG 动画方法在处理复杂运动时面临挑战：基于大语言模型的代码综合无法表达细微的、非刚性的贝塞尔曲线变形，而 Score Distillation Sampling (SDS) 提供的梯度噪声且通常需要类别特定的先验条件，如骨架。相比之下，LiveSVG 直接将矢量几何适配到显式生成的目标视频上。给定输入 SVG 图像和运动提示后，我们使用冻结的图像到视频模型生成可预览的目标视频，然后通过可微分渲染将原始 SVG 适配到该视频上。我们的适配阶段无需骨架，采用双层运动表示，将每组的单应变用于粗略的关节运动，同时将每条贝塞尔曲线的控制点偏移用于局部变形。为解决因颜色引起的像素级配准歧义，我们引入一种新颖的球packing 再配色策略。我们还提出了 ChallengeSVG 数据集，这是一个包含复杂、多对象场景的基准，揭示了现有方法的局限性。评估表明，LiveSVG 在 AniClipart 和 ChallengeSVG 两个数据集上均显著优于现有方法，确立了直接拟合参考视频作为生成 SVG 动画的可行、稳健的方法。
引用
@article{arxiv.2605.30174,
title = {LiveSVG: Zero-Shot SVG Animation via Video Generation},
author = {Matan Levy and Ran Margolin and Bar Cavia and Dvir Samuel and Yael Pritch and Shmuel Peleg and Alex Rav Acha and Ariel Shamir and Dani Lischinski},
journal= {arXiv preprint arXiv:2605.30174},
year = {2026}
}
备注
Project Page: https://levymsn.github.io/LiveSVG