画像ベクトル化2026/11/11arXiv:2611.15941

Lang-SVG：言語事前知識を活用した階層的画像ベクトル化

Lang-SVG: Hierarchical Image Vectorization with Language Priors

画像を意味ラベル付きの木構造SVGに変換し、MLLMの言語事前知識で部品階層を整理することで、編集しやすく高品質なベクトル化を実現した論文。

詳しい要約

1. どんなもの？

- 画像を編集可能な SVG に変換する image vectorization 手法「Lang-SVG」の提案 - SVG primitives を semantic labels と parent-child 関係を持つ明示的な tree 構造で組織化 - 人間が知覚する object-part 階層に沿った、操作しやすい SVG 生成を目指す - 再構成忠実度に加え、構造品質と意味的 part 整合性を測る新評価プロトコルも導入

2. 先行研究と比べてどこがすごい？

- 既存の多くの vectorization 手法は pixel-level の rendering fidelity を最適化 - その結果、人間が知覚する object-part 階層と整合しない SVG を生成し操作が困難 - Lang-SVG は tree 構造と semantic labels を明示的に導入し階層整合性を改善 - rendering fidelity と structural quality の両方で state-of-the-art を達成と報告

3. 技術・手法の肝は？

- SVG primitives を semantic labels と親子関係付き tree で表現 - granularity-controllable かつ open-vocabulary な segmentation priors で object-part 階層を初期化 - MLLMs と SVG tree context を用い未ラベル node に semantic labels を付与 - depth-adaptive simplification で形状複雑度を低減 - Tree-Guided Pruning and Merging で冗長な SVG node を除去 - L1-SAM-Prompting で欠損領域を回復し再構成忠実度と構造完全性を向上

4. どうやって有効だと検証した？

- 実験により rendering fidelity と structural quality の両方で state-of-the-art 性能を達成 - 再構成忠実度だけでなく構造品質と意味的 part 整合性を測る新評価プロトコルを導入し評価 - 具体的なデータセット名・指標値・比較手法は要旨からは不明

5. 議論はある？

- 既存手法が pixel-level fidelity 偏重で操作困難な SVG を生む問題を動機として提示 - 冗長性削減のため depth-adaptive simplification と Tree-Guided Pruning and Merging を導入 - L1-SAM-Prompting による欠損領域回復の必要性に言及 - 限界・失敗事例・計算コストなどの詳細な議論は要旨からは不明

6. 次に読むべき論文は？

- MLLMs を用いた SVG 生成・意味ラベリングの関連研究 - open-vocabulary segmentation および granularity-controllable segmentation の関連手法 - SAM (Segment Anything Model) と prompting を用いた領域回復の関連研究 - image vectorization の従来手法（pixel-level fidelity 最適化系） - 具体的な参照論文名は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Xi Liu, Chaoyi Zhou, Run Wang, Jiaang Li, Feng Luo, Junxiang Huang, Siyu Huang

分類: cs.CV

原文アブストラクト

Image vectorization reconstructs raster images as compact scalable vector graph- ics (SVG), providing a structured and editable code representation of images. However, most existing vectorization methods optimize for pixel-level render- ing fidelity, often producing SVGs that lack alignment with human-perceived object-part hierarchies, making them difficult to manipulate. To address this, we propose Lang-SVG, which introduces an explicit tree structure to organize SVG primitives with semantic labels and parent-child relationships. Lang-SVG incorporates granularity-controllable and open-vocabulary segmentation priors to initialize object-part hierarchies and leverages multimodal large language models (MLLMs) with SVG tree context to assign semantic labels to unlabeled nodes. To reduce redundancy, we introduce depth-adaptive simplification to reduce shape complexity and Tree-Guided Pruning and Merging to eliminate redundant SVG nodes. L1-SAM-Prompting further recovers missing regions to improve recon- struction fidelity and structural completeness. Beyond reconstruction fidelity, we introduce a new evaluation protocol that measures structural quality and semantic part alignment. Experiments demonstrate that Lang-SVG achieves state-of-the-art performance in both rendering fidelity and structural quality. Project website: https://xiliu8006.github.io/Lang-SVG/.

arXivで原文を読む →arXiv概要ページ

← 論文一覧