alexandre01/deepsvg

해결하는 문제

DeepSVG는 딥러닝을 사용하여 벡터 그래픽스(SVG)를 생성하고 애니메이션하는 어려움을 해결합니다. 래스터 이미지(픽셀)와 달리 SVG는 수학적 경로와 명령어로 구성되어 있어 표준 신경망이 처리하거나 부드럽게 애니메이션하기 어렵습니다.

작동 방식

이 프로젝트는 벡터 그래픽스의 구조를 학습할 수 있는 계층적 생성 네트워크를 구현합니다. 특화된 라이브러리를 통해 SVG 파일을 파싱하고, Ramer-Douglas-Peucker와 같은 알고리즘으로 경로를 단순화하며, SVG 데이터를 미분 가능한 PyTorch 텐서로 변환합니다. 이를 통해 모델은 잠재 공간 연산(예: 두 개의 다른 아이콘 사이를 보간하여 부드러운 애니메이션 생성, 또는 기울기 하강법을 사용해 목표 형태에 맞게 형태 최적화)을 수행할 수 있습니다.

대상 사용자

• 벡터 그래픽스를 위한 생성 모델에 집중하는 AI 연구자.
• 2D 애니메이션 및 그래픽 디자인 도구를 개발하는 개발자.
• SVG 데이터셋과 미분 가능한 기하학을 다루는 데이터 과학자.

주요 특징

• 계층적 생성 네트워크: 벡터 그래픽스 애니메이션의 구조적 특성에 특화된 모델.
• SVG 딥러닝 라이브러리: SVG 파싱, 단순화, 증강, PyTorch 텐서로 변환을 위한 도구.
• 미분 가능한 최적화: 기울기 하강법을 사용해 목표 형태에 맞게 형태를 왜곡할 수 있는 기능.
• 실험적 GUI: Figma를 참고한 인터페이스로 모델 출력을 시각화하고 2D 애니메이션을 생성할 수 있음.
• 사전 처리된 데이터셋: 즉시 재현 가능한 SVG-Icons8 및 Font 데이터셋 포함.