🚀 SVGDreamer：基于扩散模型的文本引导式SVG生成

SVGDreamer是一款先进的文本到SVG生成模型，它采用多粒子优化方法创建高质量的矢量图形。该模型能够同时生成多个SVG变体，从而实现多样化和富有创意的输出。

🚀 快速开始

SVGDreamer是一个利用多粒子系统和Stable Diffusion引导矢量图形生成的模型。它可以根据文本提示生成多种不同风格的矢量图形。以下是使用该模型的示例代码：

直接调用API

import requests

API_URL = "https://api-inference.huggingface.co/models/jree423/svgdreamer"
headers = {"Authorization": "Bearer YOUR_HF_TOKEN"}

def query(payload):
    response = requests.post(API_URL, headers=headers, json=payload)
    return response.json()

output = query({
    "inputs": "a majestic eagle soaring through clouds",
    "parameters": {
        "n_particle": 6,
        "num_iter": 1000,
        "guidance_scale": 7.5,
        "style": "iconography",
        "width": 224,
        "height": 224,
        "seed": 42
    }
})

使用推理客户端

from huggingface_hub import InferenceClient

client = InferenceClient("jree423/svgdreamer")
result = client.post(
    json={
        "inputs": "a cyberpunk cityscape at night",
        "parameters": {
            "n_particle": 4,
            "style": "pixel_art",
            "guidance_scale": 8.0
        }
    }
)

✨ 主要特性

• 多粒子生成：可同时创建多个SVG变体。
• 风格控制：支持不同的艺术风格，如图标、像素艺术、素描、绘画等。
• 高质量输出：生成细节丰富且美观的矢量图形。
• 参数灵活：提供广泛的自定义选项，用于微调输出结果。

📚 详细文档

参数说明

输出格式

模型返回一个JSON对象列表，每个对象包含以下信息：

• particle_id：粒子的唯一标识符。
• svg：生成的SVG内容（字符串形式）。
• svg_base64：Base64编码的SVG，便于传输。
• prompt：输入的文本提示。
• style：用于生成的风格。
• parameters：用于生成的参数。

支持的风格

图标风格

简洁、简约的矢量图形，适用于图标和标志。

• 示例："a simple house icon"

像素艺术风格

具有像素化美学的复古风格图形。

• 示例："a pixel art character"

素描风格

带有有机线条和艺术气息的手绘风格。

• 示例："a sketch of a mountain landscape"

绘画风格

具有复杂颜色渐变的丰富绘画风格。

• 示例："an oil painting of a sunset"

示例提示

自然场景

• "a forest with tall pine trees"
• "ocean waves crashing on rocks"
• "a field of sunflowers under blue sky"

角色和物体

• "a friendly robot character"
• "a vintage bicycle"
• "a magical wizard casting spells"

抽象艺术

• "geometric patterns in bright colors"
• "flowing organic shapes"
• "mandala design with intricate details"

🔧 技术细节

• 基础模型：Stable Diffusion 2.1
• 框架：PyTorch + Diffusers
• 矢量渲染：DiffVG（可微矢量图形）
• 优化方法：多粒子VPSD（基于矢量粒子的分数蒸馏）
• 并行处理：同时优化多个SVG表示

📄 许可证

本模型采用MIT许可证发布。

📚 引用

@inproceedings{xing2024svgdreamer,
  title={SVGDreamer: Text Guided SVG Generation with Diffusion Model},
  author={Xing, XiMing and others},
  booktitle={CVPR},
  year={2024}
}