"Записки научных семинаров ПОМИ"

Том 546, стр. 59-80

Использование крупных языковых моделей для обработки векторной графики (SVG): обзор.

Б. Малашенко, И. Ярский, В. Ефимова

ITMO University, Kronverksky Pr. 49, St. Petersburg, Russia

btmalashenko@itmo.ru

ivanjarsky@itmo.ru

vefimova@itmo.ru

Аннотация: В последние годы быстрый прогресс в компьютерном зрении значительно улучшил обработку и генерацию растровых изображений. При этом векторная графика -- ключевая область цифрового дизайна благодаря масштабируемости и удобству редактирования -- изучена сравнительно мало. Традиционные методы векторизации и генерации векторной графики часто требуют много времени и приводят к чрезмерно сложным результатам, что ограничивает их практическое применение. Появление крупных языковых моделей (LLM) открыло новые возможности для генерации, редактирования и анализа векторной графики, особенно в формате SVG, который представляет собой текстовую разметку и хорошо интегрируется с LLM.В статье выполнен систематический обзор подходов на основе LLM к обработке SVG и выделены три ключевые задачи: генерация, редактирование и понимание. Рассмотрены заметные модели (IconShop, StrokeNUWA, StarVector) с анализом сильных и слабых сторон. Проанализированы бенчмарки для задач с SVG (SVGEditBench, VGBench, SGP-Bench) и приведены экспериментальные результаты для ряда LLM. Результаты показывают, что модели, доработанные для рассуждений о векторной графике, превосходят стандартные LLM, особенно в задачах генерации и понимания. В работе подчёркивается необходимость создания более разнообразных и богато аннотированных датасетов для дальнейшего улучшения возможностей LLM в задачах векторной графики. Библ. -- 45 назв.
Ключевые слова: векторная графика, SVG, большие языковые модели, порождение изображений [Scalable Vector Graphics (SVGs), d Large Language Models (LLMs), Image Generation]

Полный текст(.pdf)