OmniSVG：统一的可缩放矢量图形生成模型

可缩放矢量图形（SVG）是一种重要的图像格式，因其分辨率无关性和可编辑性而在图形设计中被广泛采用。生成高质量SVG的研究持续吸引着AIGC社区的设计师和研究人员。然而，现有方法要么产生非结构化输出且计算成本巨大，要么局限于生成结构过于简化的单色图标。为了生成高质量且复杂的SVG，我们提出了OmniSVG，一个利用预训练视觉语言模型（VLM）进行端到端多模态SVG生成的统一框架。通过将SVG命令和坐标参数化为离散标记，OmniSVG将结构逻辑与底层几何解耦，以实现高效训练，同时保持复杂SVG结构的表达能力。为了进一步推动SVG合成的发展，我们引入了MMSVG-2M，一个包含两百万个丰富注释SVG资产的多模态数据集，以及一个用于条件SVG生成任务的标准化评估协议。大量实验表明，OmniSVG优于现有方法，并展示了其集成到专业SVG设计工作流程中的潜力。