<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>SVG Generation on SoloSoft</title><link>https://www.solosoft.dev/es/tags/svg-generation/</link><description>Recent content in SVG Generation on SoloSoft</description><generator>Hugo</generator><language>es-es</language><lastBuildDate>Fri, 01 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://www.solosoft.dev/es/tags/svg-generation/index.xml" rel="self" type="application/rss+xml"/><item><title>OmniSVG: Modelo Unificado de Generacion SVG Multimodal (NeurIPS 2025)</title><link>https://www.solosoft.dev/es/post/omnisvg-generation-2026/</link><pubDate>Fri, 01 May 2026 00:00:00 +0000</pubDate><guid>https://www.solosoft.dev/es/post/omnisvg-generation-2026/</guid><description>&lt;p&gt;Los graficos vectoriales estan en todas partes, desde iconos y logotipos hasta ilustraciones y visualizaciones de datos. Pero generar SVGs complejos programaticamente ha seguido siendo un desafio de investigacion persistente, con la mayoria de los enfoques limitados a formas geometricas simples o que requieren extensos datos de entrenamiento. &lt;strong&gt;OmniSVG&lt;/strong&gt;, publicado en NeurIPS 2025, supera estas limitaciones al introducir la primera familia unificada de generadores SVG multimodales de extremo a extremo construidos sobre modelos de lenguaje visual.&lt;/p&gt;
&lt;p&gt;El proyecto en &lt;a href="https://github.com/OmniSVG/OmniSVG"&gt;github.com/OmniSVG/OmniSVG&lt;/a&gt; representa un cambio de paradigma en la generacion SVG. En lugar de depender de renderizado diferenciable o aprendizaje por refuerzo (los enfoques dominantes antes de OmniSVG), ajusta VLM pre-entrenados para generar codigo SVG directamente. Esto permite que el modelo aproveche el vasto conocimiento visual codificado en los VLM modernos mientras aprende la sintaxis y estructura de SVG como lenguaje objetivo.&lt;/p&gt;</description></item></channel></rss>