論文の概要: AmodalSVG: Amodal Image Vectorization via Semantic Layer Peeling

• arxiv url: http://arxiv.org/abs/2604.10940v1
• Date: Mon, 13 Apr 2026 03:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.289283
• Title: AmodalSVG: Amodal Image Vectorization via Semantic Layer Peeling
• Title（参考訳）: AmodalSVG:セマンティック層ピーリングによるアモーダル画像ベクトル化
• Authors: Juncheng Hu, Ziteng Xue, Guotao Liang, Anran Qi, Buyu Li, Sheng Wang, Dong Xu, Qian Yu,
• Abstract要約: AmodalSVGは、アモーダル画像ベクトル化のための新しいフレームワークである。 意味的に整理され、幾何学的に完全なSVG表現を生成する。 AmodalSVGは、視覚的忠実度において従来の方法よりも有意に優れていた。
• 参考スコア（独自算出の注目度）: 25.8181655007804
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce AmodalSVG, a new framework for amodal image vectorization that produces semantically organized and geometrically complete SVG representations from natural images. Existing vectorization methods operate under a modal paradigm: tracing only visible pixels and disregarding occlusion. Consequently, the resulting SVGs are semantically entangled and geometrically incomplete, limiting SVG's structural editability. In contrast, AmodalSVG reconstructs full object geometries, including occluded regions, into independent, editable vector layers. To achieve this, AmodalSVG reformulates image vectorization as a two-stage framework, performing semantic decoupling and completion in the raster domain to produce amodally complete semantic layers, which are then independently vectorized. In the first stage, we introduce Semantic Layer Peeling (SLP), a VLM-guided strategy that progressively decomposes an image into semantically coherent layers. By hybrid inpainting, SLP recovers complete object appearances under occlusions, enabling explicit semantic decoupling. To vectorize these layers efficiently, we propose Adaptive Layered Vectorization (ALV), which dynamically modulates the primitive budget via an error-budget-driven adjustment mechanism. Extensive experiments demonstrate that AmodalSVG significantly outperforms prior methods in visual fidelity. Moreover, the resulting amodal layers enable object-level editing directly in the vector domain, capabilities not supported by existing vectorization approaches. Code will be released upon acceptance.
• Abstract（参考訳）: AmodalSVGは、自然な画像から意味的に整理され、幾何学的に完備なSVG表現を生成する、アモーダル画像ベクトル化のための新しいフレームワークである。 既存のベクトル化法は、可視画素のみをトレースし、オクルージョンを無視するモーダルパラダイムの下で機能する。 その結果、結果のSVGは意味的に絡み合っていて、幾何学的に不完全であり、SVGの構造的編集性が制限される。 対照的に、AmodalSVGは、隠された領域を含む完全なオブジェクトジオメトリを独立した編集可能なベクトル層に再構成する。 これを実現するために、AmodalSVGはイメージベクター化を2段階のフレームワークとして再構成し、ラスタドメインでセマンティックデカップリングと完了を実行し、アモーダル完全セマンティック層を生成し、独立してベクター化する。 第1段階では、画像が意味的に一貫性のある層に徐々に分解されるVLM誘導戦略であるセマンティック・レイヤ・ピーリング(SLP)を導入する。 ハイブリッド塗装により、SLPは閉塞下で完全なオブジェクトの外観を復元し、明示的なセマンティックデカップリングを可能にする。 本稿では,これらの層を効率的にベクトル化するために,エラー予算駆動型調整機構を用いてプリミティブ予算を動的に変調する適応層ベクトル化(ALV)を提案する。 広汎な実験により、AmodalSVGは視覚的忠実度において従来の方法よりも有意に優れていた。 さらに、結果として生じるアモーダル層は、既存のベクトル化アプローチではサポートされていないベクタードメインでオブジェクトレベルの編集を可能にする。 コードは受理時にリリースされる。

関連論文リスト

• SemLayer: Semantic-aware Generative Segmentation and Layer Construction for Abstract Icons [53.57408001182251]
  SemLayerは、編集可能な階層構造を復元するビジュアル生成権限付きパイプラインである。 我々はこの問題をフラット化されたベクトルアートの意味層構築として定式化する。 本研究では,SemLayerの有効性を実証し,従来はフラット化されたベクトルグラフに適用できず,意味層再構成を実用的で価値のあるタスクとして確立する。
  論文  参考訳（メタデータ） (2026-03-25T07:51:04Z)
• Vector Prism: Animating Vector Graphics by Stratifying Semantic Structure [57.89872230703339]
  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。
  論文  参考訳（メタデータ） (2025-12-16T12:03:46Z)
• OmniSVG: A Unified Scalable Vector Graphics Generation Model [69.59073636922287]
  我々は、エンドツーエンドのマルチモーダルSVG生成に事前訓練されたビジョンランゲージモデルを活用する統一フレームワークであるOmniSVGを提案する。 SVGコマンドと座標を離散トークンにパラメタ化することにより、OmniSVGは複雑なSVG構造の合成を維持しながら、低レベルの幾何学から構造論理を分離し、効率的なトレーニングを行う。 本稿では,200万の注釈付きSVGアセットを持つマルチモーダルデータセットMMSVG-2Mと,条件付きSVG生成タスクの標準化された評価プロトコルを紹介する。
  論文  参考訳（メタデータ） (2025-04-08T17:59:49Z)
• LayerTracer: Cognitive-Aligned Layered SVG Synthesis via Diffusion Transformer [17.881925697226656]
  LayerTracerは拡散トランスフォーマーで、設計者の階層化された生成プロセスを、シーケンシャルな設計操作の新たなデータセットから学習することでギャップを埋める。 画像ベクトル化には,参照画像を潜在トークンにエンコードする条件拡散機構を導入する。 実験では、生成品質と編集性の両方において、最適化ベースとニューラルベースラインに対してLayerTracerの優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-02-03T06:49:58Z)
• 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)
• SVGDreamer++: Advancing Editability and Diversity in Text-Guided SVG Generation [31.76771064173087]
  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。
  論文  参考訳（メタデータ） (2024-11-26T19:13:38Z)
• 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。