在一天 - 至日寿命中，SVG（可扩展的矢量图形）广泛用于网络设计，图标，徽标和其他字段中。 SVG图形由于其可扩展性和清晰性而在以下情况下广泛使用：Web Design：用于创建响应式图标，按钮和装饰元素，以确保在不同设备上清晰显示。品牌徽标：公司徽标，图形图形等，保持高质量的视觉效果。用户界面设计：应用程序和网站的接口元素，例如导航栏，菜单图标等。教育和培训材料：用于创建图纸，流程图和图表以帮助传达信息。但是，这些图形的创建通常需要专业的设计技能和工具。对于印度专业人士，有一些阈值。因此，开发自动SVG设计和发电工具特别重要。现有的基于优化的方法将通过优化多样的向量G进行迭代调整SVG参数Raphics Rasterizer。这些方法可有效地开发SVG图标，但是在处理复杂样品时，高架计算很高，并且缺乏生成的输出的结构和冗余锚点。在自回归SVG生成的现有方法中，有两个主要局限性：上下文长度长度：由于模型只能根据边界长度处理采用率，因此它限制了产生SVG复杂内容的能力。现有的自回旋方法使用Transforme ModelR或预训练的大语言模型（LLM）直接生成代表SVGS的XML或代码参数。但是，复杂SVG所需的上下文长度超过了现有LLM上下文窗口的长度，从而限制了复杂SVG的生成；缺乏复杂的SVG数据：缺乏包含复杂SVG内容的大数据集限制了研究和生成模型的技能。现有数据集通常包括SVG图标LEVEL或更简单的SVG描述和SVG数据集仍为纸张复杂度级别开放。在该项目中，OmniSVG引入了SVG的表达参数，以自动加工产生高质量和复杂的SVG。它通过不同的生成模式显示出了出色的井，包括SVG中的托文器，SVG图像和SVG角色参考，使其成为各种创意作品的强大而灵活的解决方案。纸张标题：Omnisvg：名人可伸缩的矢量图形生成模型论文作者：Yiying Yang，Wei Cheng，Sijin Chen，Xianfang Zeng，Jiaxu Zhang，Jiaxu Zhang，Liao Wang，Gang Yu，Xingjun Ma，Yu-Gang Jiang Jiang作者，Fudan University，Fudan Universit，Jieyyuexingcheneper Paper：JieyyuexingChenen Paper地址：地址：地址：地址：地址：JieyyuexingChenChenChenChen Caper地址： https://arxiv.org/pdf/2504.06263 Project Homepage: https://omnisvg.github.io/ Code Address: https://github.com/omnisvg/omnisvghuggingface: https://huggingface.co/omnisvg It is worth mentioning in the OMNISV paper on that week. Omnisvg在Github在线持续了7天，并赢得了1.3k Star，该星星获得了广泛的广泛注意外国媒体。我们首先看一下《周日拥抱面》的第二个流行角色，首先看一下这一代的某些效果：1。统一的多模式复合体SVG GeneralniSvg是第一个使用该语言预先经验的视觉语言（VLM）生成端到端多模式复合体SVG的统一框架。根据离散标记中的坐标和SVG命令的参数，Omnisvg从低级别的几何信息中解除结构逻辑，从而减轻了代码的生成模型并开发生动且多彩的SVG结果，从而减轻了通常的“协调幻觉”问题。而且，由于预测中下一个明显的目标预测，OmniSVG可以产生部分观察结果提供的不同SVG内容。与传统的自回旋SVG生成方法相比，OmneVG可以处理高达30,000个令牌的SVG，从而促进一代复杂而高质量的SVG。基于预先训练的VLM，OMNISVG理解和VI指令性和文本并合成编辑的高保真SVG，用于从图标到复杂的图纸和动漫字符的各个领域。 OMNISVG是基于视觉语言QWEN2.5-VL的预算模型构建的，并包括SVG Word Segmenter。该模型将单词-putum的文本和措辞图像用作前缀单词分割，而SVG单词分割却否认了单个表示空间中图形图形的命令。 2。MMSVG-2M：包含200万SVG样品的项目还打开了MMSVG-2M数据集资源和MMSVG基础审查平台。 The MMSVG-2M is a large SVG-sized SVG containing 2 million SVG samples, covering a variety of types such as website icons, drawings, graphic designs, anime characters, etc. 3. Experimental results to further maPromote the development of SVG generation technology, the MMSVG-Bench evaluation platform focuses on the following three main activities, especially the SVG text, SVG image和SVG参考。文本将提出的方法与MMSVG-2M数据集（图标，图纸和字符）上的SVG和SVG图像中的SVA文本进行了比较。 Omnisvg优于生成SVG的教学和美学中最好的现有技术。 Omnisvg和最先进的文本与SVG活动的比较结果。 SVG活动中的OMNISVG比较结果和最新图像。通过使用自然角色图像和SVG数据对训练，OmneVG可以通过字符参考产生字符SVG。结论和摘要局限性，OmniSVG是使用端到端多模式SVG生成的统一的可扩展矢量图形（SVG）模型。通过SVG的参数和离散标记中的坐标，OmniSVG有效地分解了从低水平的几何信息中分解结构逻辑，从而提高了训练效率，同时保持复杂的SVG结构的表达。 mOreover，OmniSVG在一代一代的许多活动中表现良好，这在适用于专业SVG设计流的许多活动中表现出了巨大的潜力。但是，在理解过程中，OmneSVG为复杂样本开发了数千个标记，这不可避免地导致了很长的一代时间。同时，在可预测的未来，S样式图像vg和自然图像与更多丰富的资源的集成与训练流的合作有望提高该模型在输入图像样式中的稳定性。