OmniSVG：統一多模態 SVG 生成模型（NeurIPS 2025）

向量圖形無所不在——從圖標和標誌到插圖和資料視覺化。但以程式化方式生成複雜的 SVG 一直是一個棘手的研究挑戰，大多數方法僅限於簡單的幾何形狀或需要大量的訓練資料。發表於 NeurIPS 2025 的 OmniSVG 突破了這些限制，引入了第一個基於視覺語言模型的統一端到端多模態 SVG 生成器家族。

位於 github.com/OmniSVG/OmniSVG 的專案代表了 SVG 生成的典範轉移。它不依賴於可微分渲染或強化學習——OmniSVG 之前的主流方法——而是微調預訓練的 VLM 直接輸出 SVG 程式碼。這使得模型既能利用現代 VLM 中編碼的豐富視覺知識，同時學習 SVG 作為目標語言的語法和結構。

結果令人印象深刻：OmniSVG 可以生成從簡單圖標到複雜動漫角色的詳細 SVG，具有前所未有的多樣性和品質。該模型理解視覺概念、風格參考和結構關係，產出乾淨、可組合的 SVG 程式碼，而非像素近似值。附帶的 MMSVG 資料集，是有史以來最大的 SVG-文字配對集合，也已發佈給研究社群。

什麼是 OmniSVG？

OmniSVG 是第一個基於視覺語言模型的端到端多模態 SVG 生成器家族。它能從文字描述、參考圖像或兩者組合生成複雜、結構化的 SVG 程式碼。該模型產出從簡單圖標到詳細動漫角色的乾淨向量圖形，無需中間的點陣到向量轉換。

有哪些模型大小可供選擇？

OmniSVG 以多種大小發佈，以適應不同的部署場景。

所有模型共享相同的架構，但在容量和推論成本上有所不同。建議大多數使用案例選擇 B 和 L 變體。

如何開始使用 OmniSVG？

OmniSVG 可透過 Transformers 函式庫和獨立 Python 套件取得：

# 安裝
pip install omnisvg

# 從文字描述生成 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 程式碼可以直接儲存為 .svg 檔案，並在任何向量圖形編輯器或網頁瀏覽器中開啟。

什麼是 MMSVG 資料集？

MMSVG（多模態 SVG）資料集是有史以來公開釋出中最大的 SVG-文字配對集合。

該資料集涵蓋廣泛的視覺風格，包括平面圖標、詳細插圖、技術圖表和角色藝術。每個 SVG 都配有一條文字描述，其中 20 萬對子集已經過人工品質驗證。

OmniSVG 使用什麼授權？

OmniSVG 採用 Apache License 2.0 發佈。MMSVG 資料集採用 CC-BY 4.0 發佈。兩種授權均允許商業使用、修改和重新分發，但需標註來源。

常見問題

什麼是 OmniSVG？

OmniSVG 是第一個基於視覺語言模型的端到端多模態 SVG 生成器家族，發表於 NeurIPS 2025。它能從文字描述或參考圖像生成複雜的 SVG 程式碼，從簡單圖標到詳細的動漫角色。

有哪些模型大小可供選擇？

四種大小：OmniSVG-S（0.5B 參數，邊緣裝置）、OmniSVG-B（2.7B，一般用途）、OmniSVG-L（7B，最高品質）和 OmniSVG-XL（13B，研究用途）。建議大多數應用選擇 B 和 L 變體。

如何開始使用 OmniSVG？

透過 pip install omnisvg 安裝，使用 OmniSVG.from_pretrained() 載入模型，然後用 .generate() 傳入文字描述。輸出是有效的 SVG 程式碼，可以儲存為檔案。

什麼是 MMSVG 資料集？

MMSVG 資料集包含 120 萬個 SVG-文字配對，涵蓋圖標、插圖、技術圖表和動漫/漫畫藝術。這是同類中最大的公開釋出集合，其中包含 20 萬個人工驗證的子集。

OmniSVG 採用什麼授權？

模型採用 Apache License 2.0，MMSVG 資料集採用 CC-BY 4.0。兩者均允許在標註來源的情況下進行商業使用。

延伸閱讀

• OmniSVG GitHub 儲存庫
• OmniSVG：統一多模態 SVG 生成（NeurIPS 2025）
• SVG 規格（W3C）
• 視覺語言模型：調查
• 以深度學習進行向量圖形生成

flowchart TB
    A[輸入] --> B{模態}
    B --> C[文字描述]
    B --> D[參考圖像]
    B --> E[文字 + 圖像]
    C --> F[VLM 編碼器]
    D --> F
    E --> F
    F --> G[LLM 主幹]
    G --> H[SVG 解碼器]
    H --> I[SVG 程式碼輸出]
    I --> J[渲染]
    J --> K[向量圖形]

graph LR
    subgraph 模型能力
        A[圖標生成] --> D[簡單幾何]
        B[插圖] --> E[詳細向量藝術]
        C[角色設計] --> F[動漫 / 漫畫]
    end
    subgraph 輸出品質
        D --> G[乾淨 SVG 程式碼]
        E --> G
        F --> G
        G --> H[可縮放解析度]
        G --> I[可編輯圖層]
        G --> J[小檔案大小]
    end
    subgraph 應用
        H --> K[UI 設計]
        I --> L[遊戲素材]
        J --> M[網頁圖形]
        J --> N[資料視覺化]
    end