論文の概要: VAnim: Rendering-Aware Sparse State Modeling for Structure-Preserving Vector Animation

• arxiv url: http://arxiv.org/abs/2605.01517v1
• Date: Sat, 02 May 2026 16:10:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.815177
• Title: VAnim: Rendering-Aware Sparse State Modeling for Structure-Preserving Vector Animation
• Title（参考訳）: VAnim: 構造保存ベクトルアニメーションのためのレンダリング対応スパース状態モデリング
• Authors: Guotao Liang, Zhangcheng Wang, Chuang Wang, Juncheng Hu, Haitao Zhou, Junhua Liu, Jing Zhang, Dong Xu, Qian Yu,
• Abstract要約: VAnimはオープンドメインのテキスト・トゥ・SVGアニメーションのための最初のフレームワークである。 アニメーションを永続的なSVG DOMツリー上でスパース状態更新(SSU)として再認識する。 また,ベクトルアニメーションの最初のベンチマークであるSVGAnim-134kを紹介する。
• 参考スコア（独自算出の注目度）: 32.226052229379086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scalable Vector Graphics (SVG) animation generation is pivotal for professional design due to their structural editability and resolution independence. However, this task remains challenging as it requires bridging discrete code representations with continuous visual dynamics. Existing optimization-based methods often destroy topological consistency, while general-purpose LLMs rely on rigid CSS/SMIL transformations, failing to model geometry-level non-rigid deformations. To address these limitations, we present VAnim, the first LLM-based framework for open-domain text-to-SVG animation. We reconceptualize animation not as sequence generation, but as Sparse State Updates (SSU) on a persistent SVG DOM tree. This paradigm compresses sequence length by over 9.8x while preserving the SVG DOM structure and non-participating elements by construction. To enable precise control, we propose an Identification-First Motion Planning mechanism that grounds textual instructions in explicit visual entities. Furthermore, to overcome the non-differentiable nature of SVG rendering, we employ Rendering-Aware Reinforcement Learning via Group Relative Policy Optimization (GRPO). By leveraging a hybrid reward from a state-of-the-art video perception encoder, we align discrete code updates with high-fidelity visual feedback. We also introduce SVGAnim-134k, the first benchmark for vector animation. Extensive experiments demonstrate that VAnim significantly outperforms state-of-the-art baselines in semantic alignment and structural validity, with additional appendix metrics further validating motion quality and identity preservation.
• Abstract（参考訳）: 拡張ベクトルグラフィックス(SVG)アニメーション生成は、その構造的編集可能性と解像度独立性のために、プロの設計において重要なものである。 しかし、このタスクは、連続した視覚的ダイナミクスで個別のコード表現をブリッジする必要があるため、依然として困難である。 既存の最適化に基づく手法は、しばしばトポロジ的一貫性を損なうが、汎用LLMは、幾何レベルの非剛性変形をモデル化することができない、剛性CSS/SMIL変換に依存している。 これらの制限に対処するため、オープンドメインのテキスト・トゥ・SVGアニメーションのための最初のLCMベースのフレームワークであるVAnimを提示する。 我々は,アニメーションをシーケンス生成ではなく,永続的なSVG DOMツリー上のスパース状態更新(SSU)として再認識する。 このパラダイムは、SVG DOM構造と非参加要素を構築により保存しながら、シーケンス長を9.8倍以上圧縮する。 正確な制御を実現するために,テキストによる指示を明示的な視覚的実体に根拠付ける識別ファーストモーションプランニング機構を提案する。 さらに,SVGレンダリングの非差別性を克服するために,グループ相対政策最適化(GRPO)によるレンダリング・アウェア・強化学習(Rendering-Aware Reinforcement Learning)を採用する。 最先端のビデオ認識エンコーダからのハイブリッド報酬を活用することで、離散的なコード更新と高忠実度な視覚的フィードバックを一致させる。 また,ベクトルアニメーションの最初のベンチマークであるSVGAnim-134kを紹介する。 広範囲な実験により、VAnimはセマンティックアライメントと構造的妥当性において最先端のベースラインを著しく上回り、追加の付録指標により動きの質とアイデンティティの保存がさらに検証された。

関連論文リスト

• 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)
• 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)
• SVGThinker: Instruction-Aligned and Reasoning-Driven Text-to-SVG Generation [47.390332111383294]
  本稿では,SVGコードの生成を可視化プロセスと整合させる推論駆動型フレームワークであるSVGThinkerを紹介する。 パイプラインはまず各プリミティブをシーケンスでレンダリングし、マルチモーダルモデルを使用して画像とコードを注釈付けします。 最先端のベースラインに対する実験では、SVGThinkerはより安定し、編集可能で、高品質なSVGを生成する。
  論文  参考訳（メタデータ） (2025-09-29T05:25:00Z)
• SVGen: Interpretable Vector Graphics Generation with Large Language Models [61.62816031675714]
  本稿では,自然言語記述と組み合わせた高品質なSVGの大規模データセットであるSVG-1Mを紹介する。 我々は、セマンティックガイダンスを強化するために、Chain of Thoughtアノテーション付きのサブセットを含む、SVGトレーニングペアに整合したテキストを作成する。 このデータセットに基づいて,自然言語入力からSVGコードを生成するエンド・ツー・エンド・モデルであるSVGenを提案する。
  論文  参考訳（メタデータ） (2025-08-06T15:00:24Z)
• 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)
• SVGCraft: Beyond Single Object Text-to-SVG Synthesis with Comprehensive Canvas Layout [14.824205628841158]
  この研究は、テキスト記述からシーン全体を描写したベクトルグラフィックスを作成するための新しいエンドツーエンドフレームワークを導入する。 SVGCraftは、訓練済みエンコーダと不透明度変調によるLPIPS損失を使って最適化され、類似性を最大化する。 抽象化、認識可能性、細部において、以前の作品を上回ることが示されている。
  論文  参考訳（メタデータ） (2024-03-30T16:43:40Z)

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。