論文の概要: SVGDreamer++: Advancing Editability and Diversity in Text-Guided SVG Generation

• arxiv url: http://arxiv.org/abs/2411.17832v2
• Date: Fri, 13 Dec 2024 11:40:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:00:59.079676
• Title: SVGDreamer++: Advancing Editability and Diversity in Text-Guided SVG Generation
• Title（参考訳）: SVGDreamer++:テキストガイドSVG生成における編集性と多様性の向上
• Authors: Ximing Xing, Qian Yu, Chuang Wang, Haitao Zhou, Jing Zhang, Dong Xu,
• Abstract要約: 既存の手法の限界に対処する新しいテキスト誘導ベクトルグラフィックス合成法を提案する。 本稿では,階層型イメージベクタライゼーション(HIVE)フレームワークについて紹介する。 また、SVGの多様性を向上させるために、ベクトル化粒子を用いたスコア蒸留(VPSD)手法を提案する。
• 参考スコア（独自算出の注目度）: 31.76771064173087
• License:
• Abstract: Recently, text-guided scalable vector graphics (SVG) synthesis has demonstrated significant potential in domains such as iconography and sketching. However, SVGs generated from existing Text-to-SVG methods often lack editability and exhibit deficiencies in visual quality and diversity. In this paper, we propose a novel text-guided vector graphics synthesis method to address these limitations. To enhance the editability of output SVGs, we introduce a Hierarchical Image VEctorization (HIVE) framework that operates at the semantic object level and supervises the optimization of components within the vector object. This approach facilitates the decoupling of vector graphics into distinct objects and component levels. Our proposed HIVE algorithm, informed by image segmentation priors, not only ensures a more precise representation of vector graphics but also enables fine-grained editing capabilities within vector objects. To improve the diversity of output SVGs, we present a Vectorized Particle-based Score Distillation (VPSD) approach. VPSD addresses over-saturation issues in existing methods and enhances sample diversity. A pre-trained reward model is incorporated to re-weight vector particles, improving aesthetic appeal and enabling faster convergence. Additionally, we design a novel adaptive vector primitives control strategy, which allows for the dynamic adjustment of the number of primitives, thereby enhancing the presentation of graphic details. Extensive experiments validate the effectiveness of the proposed method, demonstrating its superiority over baseline methods in terms of editability, visual quality, and diversity. We also show that our new method supports up to six distinct vector styles, capable of generating high-quality vector assets suitable for stylized vector design and poster design. Code and demo will be released at: http://ximinng.github.io/SVGDreamerV2Project/
• Abstract（参考訳）: 近年,テキスト誘導型スケーラブルベクターグラフィックス(SVG)合成はイコノグラフィやスケッチなどの領域において大きな可能性を示している。 しかし、既存のText-to-SVGメソッドから生成されるSVGは、しばしば編集性に欠け、視覚的品質と多様性の欠如を示す。 本稿では,これらの制約に対処する新しいテキスト誘導ベクトルグラフィックス合成法を提案する。 出力SVGの編集性を高めるために,セマンティックオブジェクトレベルで動作し,ベクトルオブジェクト内のコンポーネントの最適化を監督する階層画像ベクトル化(HIVE)フレームワークを導入する。 このアプローチは、ベクトルグラフィックスを異なるオブジェクトとコンポーネントレベルに分離することを容易にする。 提案するHIVEアルゴリズムは,ベクトル画像のより正確な表現を保証できるだけでなく,ベクトルオブジェクト内の微細な編集機能も実現している。 出力SVGの多様性を改善するために,ベクトル化粒子を用いたスコア蒸留法(VPSD)を提案する。 VPSDは既存の手法の過飽和問題に対処し、サンプルの多様性を高める。 プレトレーニングされた報酬モデルは、再重み付きベクトル粒子に組み込まれ、美的魅力を改善し、より高速な収束を可能にする。 さらに,プリミティブの数を動的に調整できる新しい適応ベクトルプリミティブ制御戦略を設計し,グラフィックディテールの表示を向上する。 提案手法の有効性を検証し, 編集性, 視覚的品質, 多様性の観点から, ベースライン法よりも優れていることを示す。 また,提案手法は最大6種類のベクタースタイルをサポートし,スタイリングベクター設計やポスター設計に適した高品質なベクターアセットを生成可能であることを示す。 コードとデモは、http://ximinng.github.io/SVGDreamerV2Project/でリリースされる。

関連論文リスト

• Chat2SVG: Vector Graphics Generation with Large Language Models and Image Diffusion Models [14.917583676464266]
  Chat2SVGは大規模言語モデルと画像拡散モデルを組み合わせたハイブリッドフレームワークである。 本システムにより,自然言語による直感的な編集が可能となり,プロのベクトルグラフィックス作成が可能となった。
  論文  参考訳（メタデータ） (2024-11-25T17:31:57Z)
• Vector Grimoire: Codebook-based Shape Generation under Raster Image Supervision [20.325246638505714]
  本稿では,GRIMOIREというテキスト誘導型生成モデルを紹介し,画像をベクトル形状に再構成して離散コードブックにマッピングする方法を提案する。 データから直接の監視を必要とする既存のモデルとは異なり、GRIMOIREはベクトル生成モデリングをはるかに多くのデータに開放するイメージ監督のみを使用して学習する。
  論文  参考訳（メタデータ） (2024-10-08T12:41:31Z)
• SuperSVG: Superpixel-based Scalable Vector Graphics Synthesis [66.44553285020066]
  SuperSVGは、高速かつ高精度な画像ベクトル化を実現するスーパーピクセルベースのベクトル化モデルである。 本稿では,2段階の自己学習フレームワークを提案する。そこでは,粗い段階モデルを用いて主構造を再構築し,細部を充実させるために改良段階モデルを用いる。 再現精度と推定時間の観点から, 最先端手法と比較して, 提案手法の優れた性能を示す実験を行った。
  論文  参考訳（メタデータ） (2024-06-14T07:43:23Z)
• Text-to-Vector Generation with Neural Path Representation [27.949704002538944]
  本稿では,シーケンスと画像の両モードから経路潜在空間を学習するニューラルパス表現を提案する。 第1段階では、事前訓練されたテキスト・ツー・イメージ拡散モデルにより、複雑なベクトルグラフィックスの初期生成が導かれる。 第2段階では、レイヤワイズ画像ベクトル化戦略を用いてグラフィクスを洗練し、より明確な要素と構造を実現する。
  論文  参考訳（メタデータ） (2024-05-16T17:59:22Z)
• CNS-Edit: 3D Shape Editing via Coupled Neural Shape Optimization [56.47175002368553]
  本稿では、3次元形状編集を潜在空間で暗黙的に行うために,結合表現とニューラルボリューム最適化に基づく新しい手法を提案する。 まず,3次元形状編集を支援する結合型ニューラル形状表現を設計する。 第二に、結合したニューラルネットワークの形状最適化手順を定式化し、編集操作対象の2つの結合した成分を協調最適化する。
  論文  参考訳（メタデータ） (2024-02-04T01:52:56Z)
• StrokeNUWA: Tokenizing Strokes for Vector Graphic Synthesis [112.25071764647683]
  StrokeNUWAはベクターグラフィックスにおけるより良い視覚表現'ストロークトークン'を探求する先駆的な研究である。 ストロークトークンを備えたStrokeNUWAは、従来のLCMベースの最適化ベースのメソッドを大幅に上回ることができる。 StrokeNUWAは、SVGコード圧縮比が6.9%の従来の手法よりも94倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2024-01-30T15:20:26Z)
• SVGDreamer: Text Guided SVG Generation with Diffusion Model [31.76771064173087]
  SVGDreamerと呼ばれる新しいテキスト誘導ベクトルグラフィックス合成法を提案する。 SIVEプロセスは、前景オブジェクトと背景への合成の分解を可能にする。 VPSDアプローチは、形状の平滑化、彩度の過飽和、多様性の制限、収束の遅い問題に対処する。
  論文  参考訳（メタデータ） (2023-12-27T08:50:01Z)
• Text-Guided Vector Graphics Customization [31.41266632288932]
  テキストのプロンプトに基づいて高品質なベクトルグラフィックスを生成する新しいパイプラインを提案する。 提案手法は,大規模な事前学習されたテキスト・ツー・イメージ・モデルの能力を利用する。 我々は,ベクトルレベル,画像レベル,テキストレベルの観点から,複数の指標を用いて評価を行った。
  論文  参考訳（メタデータ） (2023-09-21T17:59:01Z)
• VectorFusion: Text-to-SVG by Abstracting Pixel-Based Diffusion Models [82.93345261434943]
  画像の画素表現に基づいて訓練されたテキスト条件付き拡散モデルを用いて,SVG-exportable vector graphicsを生成する。 近年のテキスト・ツー・3D研究に触発されて,Score Distillation Smpling を用いたキャプションと整合したSVGを学習した。 実験では、以前の作品よりも品質が向上し、ピクセルアートやスケッチを含む様々なスタイルが示されている。
  論文  参考訳（メタデータ） (2022-11-21T10:04:27Z)
• Towards Layer-wise Image Vectorization [57.26058135389497]
  画像をSVGに変換し,画像トポロジを同時に維持するためのレイヤワイズ画像ベクトル化(LIVE)を提案する。 Liveは、人間の視点にセマンティックに整合した階層構造を持つコンパクトなフォームを生成する。 Liveは、デザイナの両方のために編集可能なSVGを起動し、他のアプリケーションで使用することができる。
  論文  参考訳（メタデータ） (2022-06-09T17:55:02Z)
• DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation [217.86315551526235]
  本稿では,複雑なSVGアイコンの生成と操作のために,DeepSVGと呼ばれる新しい階層型生成ネットワークを提案する。 我々のアーキテクチャは、その形状自体をエンコードする低レベルのコマンドから、効果的に高レベルの形状を分離します。 我々のネットワークは、多様なベクトルグラフィックスを正確に再構築し、強力なアニメーションツールとして機能することを実証する。
  論文  参考訳（メタデータ） (2020-07-22T09:36:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。