論文の概要: Vector Prism: Animating Vector Graphics by Stratifying Semantic Structure

• arxiv url: http://arxiv.org/abs/2512.14336v1
• Date: Tue, 16 Dec 2025 12:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.708948
• Title: Vector Prism: Animating Vector Graphics by Stratifying Semantic Structure
• Title（参考訳）: Vector Prism: セマンティック構造の階層化によるベクトルグラフのアニメーション
• Authors: Jooyeol Yun, Jaegul Choo,
• Abstract要約: 本稿では,信頼性の高いSVGアニメーションに必要なセマンティック構造を復元するフレームワークを提案する。 SVGをセマンティックグループに再編成することにより、VLMはより深いコヒーレンスを持つアニメーションを作成できる。
• 参考スコア（独自算出の注目度）: 57.89872230703339
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scalable Vector Graphics (SVG) are central to modern web design, and the demand to animate them continues to grow as web environments become increasingly dynamic. Yet automating the animation of vector graphics remains challenging for vision-language models (VLMs) despite recent progress in code generation and motion planning. VLMs routinely mis-handle SVGs, since visually coherent parts are often fragmented into low-level shapes that offer little guidance of which elements should move together. In this paper, we introduce a framework that recovers the semantic structure required for reliable SVG animation and reveals the missing layer that current VLM systems overlook. This is achieved through a statistical aggregation of multiple weak part predictions, allowing the system to stably infer semantics from noisy predictions. By reorganizing SVGs into semantic groups, our approach enables VLMs to produce animations with far greater coherence. Our experiments demonstrate substantial gains over existing approaches, suggesting that semantic recovery is the key step that unlocks robust SVG animation and supports more interpretable interactions between VLMs and vector graphics.
• Abstract（参考訳）: スケーラブルベクターグラフィックス(SVG)は、モダンなWebデザインの中心であり、Web環境がますます動的になるにつれて、それらをアニメーション化する需要は拡大し続けています。 しかし、ベクトルグラフィックスのアニメーションの自動化は、近年のコード生成とモーションプランニングの進歩にもかかわらず、視覚言語モデル(VLM)では依然として困難である。 視覚的にコヒーレントな部分は低レベルの形状に断片化され、どの要素が一緒に動くべきかのガイダンスがほとんどないため、VLMは通常、SVGを誤って処理する。 本稿では,信頼度の高いSVGアニメーションに必要なセマンティック構造を復元するフレームワークを提案する。 これは、複数の弱い部分の予測を統計的に集約することで達成され、システムはノイズのある予測から安定して意味を推測できる。 SVGをセマンティックグループに再編成することにより、VLMはより深いコヒーレンスを持つアニメーションを作成できる。 本実験は,VLMとベクトルグラフィックスとのより解釈可能な相互作用をサポートするため,ロバストなSVGアニメーションをアンロックする鍵となるセマンティックリカバリ(セマンティックリカバリ)が提案されている。

関連論文リスト

• DuetSVG: Unified Multimodal SVG Generation with Internal Visual Guidance [48.98604326855894]
  本稿では,画像トークンと対応するSVGトークンをエンドツーエンドで共同生成する統合マルチモーダルモデルであるDuetSVGを紹介する。 提案手法は,SVGデコードの品質向上のためのガイダンスとして,モデルのネイティブな視覚的予測を活用する新しいテストタイムスケーリング戦略を適用する。
  論文  参考訳（メタデータ） (2025-12-11T18:23:03Z)
• Decomate: Leveraging Generative Models for Co-Creative SVG Animation [0.4077787659104315]
  Decomateは自然言語による直感的なアニメーションを可能にする。 システムは生のSVGを意味論的に意味のあるアニメーション対応コンポーネントに再構成する。 Decomateは、自然言語のインタラクションを通じて反復的な洗練をサポートすることで、生成AIを創造性に統合する。
  論文  参考訳（メタデータ） (2025-11-09T09:28:51Z)
• InternSVG: Towards Unified SVG Tasks with Multimodal Large Language Models [65.49118879021016]
  統合データベンチマークモデルスイートであるInternSVGファミリを提示する。 SAgogeはSVGタスクのための最大かつ最も包括的なマルチモーダルデータセットである。 本稿では,SVG 固有の特殊トークンを用いた SVG 理解,編集,生成のための統合型 MLLM である InternSVG を提案する。
  論文  参考訳（メタデータ） (2025-10-13T12:38:04Z)
• Rendering-Aware Reinforcement Learning for Vector Graphics Generation [15.547843461605746]
  視覚言語モデル(VLM)におけるSVG生成を向上させるRLRF(Reinforcement Learning from Rendering Feedback)を導入する。 入力画像が与えられた場合、モデルがレンダリングされたSVGロールアウトを生成し、元の画像と比較して報酬を計算する。 この視覚的忠実度フィードバックは、より正確で効率的でセマンティックにコヒーレントなSVGを生成するためにモデルを導く。
  論文  参考訳（メタデータ） (2025-05-27T06:56:00Z)
• NeuralSVG: An Implicit Representation for Text-to-Vector Generation [54.4153300455889]
  本稿では,テキストプロンプトからベクトルグラフィックスを生成する暗黙的なニューラル表現であるNeuralSVGを提案する。 生成したSVGの層構造を促進するために,ドロップアウトに基づく正規化手法を導入する。 ニューラルSVGは、構造化された柔軟なSVGを生成する際に、既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-01-07T18:50:06Z)
• 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。