RoboSVG：基于多模态引导的交互式 SVG 生成统一框架
计算机视觉与模式识别
2025-10-28 v1 计算与语言
摘要
可缩放矢量图形 (SVG) 是数字设计和机器人控制的基础，编码不仅包含视觉结构，还包含交互绘图中的运动路径。本文介绍了 RoboSVG，一个用于生成以文本、视觉和数值信号为导向的交互式 SVG 的统一多模态框架。给定输入查询后，RoboSVG 模型首先产生多模态引导，然后通过专用的生成模块合成候选 SVG，最后在数值引导下进行细化，以产生高质量输出。为支持该框架，我们构建了 RoboDraw 数据集，包含一百万个示例，每个示例将 SVG 生成条件（例如文本、图像和部分 SVG）与其对应的地面实况 SVG 代码配对。RoboDraw 数据集支持系统研究四项任务，包括基本生成（Text-to-SVG、Image-to-SVG）和交互式生成（PartialSVG-to-SVG、PartialImage-to-SVG）。广泛实验表明，RoboSVG 在各任务中实现了优异的查询合规性和视觉保真度，建立了该领域多功能 SVG 生成的新状态。该项目的数据集和源代码将很快公开。
关键词
引用
@article{arxiv.2510.22684,
title = {RoboSVG: A Unified Framework for Interactive SVG Generation with Multi-modal Guidance},
author = {Jiuniu Wang and Gongjie Zhang and Quanhao Qian and Junlong Gao and Deli Zhao and Ran Xu},
journal= {arXiv preprint arXiv:2510.22684},
year = {2025}
}
备注
15 pages, 5 figures