OmniSVG：统一多模态 SVG 生成模型（NeurIPS 2025）

矢量图形无处不在——从图标和标志到插图和数据可视化。但以编程方式生成复杂的 SVG 一直是一个棘手的研究挑战，大多数方法仅限于简单的几何形状或需要大量的训练数据。发表于 NeurIPS 2025 的 OmniSVG 突破了这些限制，引入了第一个基于视觉语言模型的统一端到端多模态 SVG 生成器家族。

位于 github.com/OmniSVG/OmniSVG 的项目代表了 SVG 生成的范式转变。它不依赖于可微分渲染或强化学习——OmniSVG 之前的主流方法——而是微调预训练的 VLM 直接输出 SVG 代码。这使得模型既能利用现代 VLM 中编码的丰富视觉知识，同时学习 SVG 作为目标语言的语法和结构。

结果令人印象深刻：OmniSVG 可以生成从简单图标到复杂动漫角色的详细 SVG，具有前所未有的多样性和质量。该模型理解视觉概念、风格参考和结构关系，产出干净、可组合的 SVG 代码，而非像素近似值。附带的 MMSVG 数据集，是有史以来最大的 SVG-文本配对集合，也已发布给研究社区。

什么是 OmniSVG？

OmniSVG 是第一个基于视觉语言模型的端到端多模态 SVG 生成器家族。它能从文本描述、参考图像或两者组合生成复杂、结构化的 SVG 代码。该模型产出从简单图标到详细动漫角色的干净矢量图形，无需中间的位图到矢量转换。

有哪些模型大小可供选择？

OmniSVG 以多种大小发布，以适应不同的部署场景。

所有模型共享相同的架构，但在容量和推理成本上有所不同。建议大多数使用场景选择 B 和 L 变体。

如何开始使用 OmniSVG？

OmniSVG 可通过 Transformers 库和独立 Python 包获取：

# 安装
pip install omnisvg

# 从文本描述生成 SVG
from omnisvg import OmniSVG

model = OmniSVG.from_pretrained("OmniSVG/OmniSVG-L")
svg_code = model.generate("A minimalist mountain landscape at sunset")
print(svg_code[:200])

生成的 SVG 代码可以直接保存为 .svg 文件，并在任何矢量图形编辑器或网页浏览器中打开。

什么是 MMSVG 数据集？

MMSVG（多模态 SVG）数据集是有史以来公开发布中最大的 SVG-文本配对集合。

该数据集涵盖广泛的视觉风格，包括平面图标、详细插图、技术图表和角色艺术。每个 SVG 都配有一条文本描述，其中 20 万对子集已经过人工质量验证。

OmniSVG 使用什么许可？

OmniSVG 采用 Apache License 2.0 发布。MMSVG 数据集采用 CC-BY 4.0 发布。两种许可均允许商业使用、修改和重新分发，但需注明来源。

常见问题

什么是 OmniSVG？

OmniSVG 是第一个基于视觉语言模型的端到端多模态 SVG 生成器家族，发表于 NeurIPS 2025。它能从文本描述或参考图像生成复杂的 SVG 代码，从简单图标到详细的动漫角色。

有哪些模型大小可供选择？

四种大小：OmniSVG-S（0.5B 参数，边缘设备）、OmniSVG-B（2.7B，一般用途）、OmniSVG-L（7B，最高质量）和 OmniSVG-XL（13B，研究用途）。建议大多数应用选择 B 和 L 变体。

如何开始使用 OmniSVG？

通过 pip install omnisvg 安装，使用 OmniSVG.from_pretrained() 加载模型，然后用 .generate() 传入文本描述。输出是有效的 SVG 代码，可以保存为文件。

什么是 MMSVG 数据集？

MMSVG 数据集包含 120 万个 SVG-文本配对，涵盖图标、插图、技术图表和动漫/漫画艺术。这是同类中最大的公开发布集合，其中包含 20 万个经过人工验证的子集。

OmniSVG 采用什么许可？

模型采用 Apache License 2.0，MMSVG 数据集采用 CC-BY 4.0。两者均允许在注明来源的情况下进行商业使用。

延伸阅读

• OmniSVG GitHub 仓库
• OmniSVG：统一多模态 SVG 生成（NeurIPS 2025）
• SVG 规范（W3C）
• 视觉语言模型：调查
• 以深度学习进行矢量图形生成

flowchart TB
    A[输入] --> B{模态}
    B --> C[文本描述]
    B --> D[参考图像]
    B --> E[文本 + 图像]
    C --> F[VLM 编码器]
    D --> F
    E --> F
    F --> G[LLM 主干]
    G --> H[SVG 解码器]
    H --> I[SVG 代码输出]
    I --> J[渲染]
    J --> K[矢量图形]

graph LR
    subgraph 模型能力
        A[图标生成] --> D[简单几何]
        B[插图] --> E[详细矢量艺术]
        C[角色设计] --> F[动漫 / 漫画]
    end
    subgraph 输出质量
        D --> G[干净 SVG 代码]
        E --> G
        F --> G
        G --> H[可缩放分辨率]
        G --> I[可编辑图层]
        G --> J[小文件大小]
    end
    subgraph 应用
        H --> K[UI 设计]
        I --> L[游戏素材]
        J --> M[网页图形]
        J --> N[数据可视化]
    end