Svgdreamer

🚀 SVGDreamer：基於擴散模型的文本引導式SVG生成

SVGDreamer是一款先進的文本到SVG生成模型，它採用多粒子優化方法創建高質量的矢量圖形。該模型能夠同時生成多個SVG變體，從而實現多樣化和富有創意的輸出。

🚀 快速開始

SVGDreamer是一個利用多粒子系統和Stable Diffusion引導矢量圖形生成的模型。它可以根據文本提示生成多種不同風格的矢量圖形。以下是使用該模型的示例代碼：

直接調用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
    }
})

使用推理客戶端

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：可同時創建多個SVG變體。
• 風格控制：支持不同的藝術風格，如圖標、像素藝術、素描、繪畫等。
• 高質量輸出：生成細節豐富且美觀的矢量圖形。
• 參數靈活：提供廣泛的自定義選項，用於微調輸出結果。

📚 詳細文檔

參數說明

輸出格式

模型返回一個JSON對象列表，每個對象包含以下信息：

• particle_id：粒子的唯一標識符。
• svg：生成的SVG內容（字符串形式）。
• svg_base64：Base64編碼的SVG，便於傳輸。
• prompt：輸入的文本提示。
• style：用於生成的風格。
• parameters：用於生成的參數。

支持的風格

圖標風格

簡潔、簡約的矢量圖形，適用於圖標和標誌。

• 示例："a simple house icon"

像素藝術風格

具有像素化美學的復古風格圖形。

• 示例："a pixel art character"

素描風格

帶有有機線條和藝術氣息的手繪風格。

• 示例："a sketch of a mountain landscape"

繪畫風格

具有複雜顏色漸變的豐富繪畫風格。

• 示例："an oil painting of a sunset"

示例提示

自然場景

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

角色和物體

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

抽象藝術

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

🔧 技術細節

• 基礎模型：Stable Diffusion 2.1
• 框架：PyTorch + Diffusers
• 矢量渲染：DiffVG（可微矢量圖形）
• 優化方法：多粒子VPSD（基於矢量粒子的分數蒸餾）
• 並行處理：同時優化多個SVG表示

📄 許可證

本模型採用MIT許可證發佈。

📚 引用

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