VectorPainter: A Novel Approach to Stylized Vector Graphics Synthesis with Vectorized Strokes

我们提出了一种新颖的方法——VectorPainter，用于风格化矢量图形合成任务。给定文本提示和参考风格图像，VectorPainter生成一个矢量图形，其内容与文本提示对齐，并在风格上保持与参考图像一致。我们认识到这项任务的关键在于充分利用矢量图形的固有属性。创新地，我们将风格化过程概念化为从参考图像中提取的矢量化笔画的重新排列。VectorPainter采用基于优化的流程。它首先从参考图像中提取矢量化笔画，然后用于初始化合成过程。为了确保与参考风格的一致性，引入了一种新颖的风格保护损失。进行了广泛的实验，证明我们的方法能够与文本描述对齐，同时保持与参考图像的一致性。

论文旨在解决样式化矢量图形合成的问题，即如何生成与文本提示内容相符且与参考图像风格相似的矢量图形。

论文提出了一种名为VectorPainter的方法，通过将样式化过程概念化为从参考图像中提取的矢量化笔画的重新排列来实现样式化矢量图形的生成。该方法包括一种新型的样式保持损失函数，以确保生成的图形与参考图像的风格保持一致。

论文采用基于优化的流程，使用从参考图像中提取的矢量化笔画初始化合成过程。实验结果表明，VectorPainter能够生成与文本提示内容相符且与参考图像风格相似的矢量图形。论文还介绍了一些与该方法相关的应用和未来工作方向。

在该领域的相关研究包括：1. Neural SVG: A Joint Model for SVG-based Multi-modal Creativity，2. DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation，3. VectorNet: Encoding HD Vector Maps to Multi-Scale Grid Maps for Autonomous Driving，等。