alexandre01/deepsvg

解決的問題

DeepSVG 解決了使用深度學習生成與動畫化向量圖形（SVG）的困難。與像素圖像（位圖）不同，SVG 由數學路徑與指令組成，使得標準神經網路難以處理與實現平滑動畫。

工作原理

本專案實作了一個分層生成網路，能夠學習向量圖形的結構。它包含一個專用程式庫，可解析 SVG 檔案，使用 Ramer-Douglas-Peucker 等演算法簡化路徑，並將 SVG 資料轉換為可微分的 PyTorch 張量。這使得模型能執行潛在空間操作，例如在兩個不同圖示之間進行插值以創造平滑動畫，或透過梯度下降法優化形狀以符合目標。

適用對象

• 專注於向量圖形生成模型的 AI 研究人員。
• 開發 2D 動畫與圖形設計工具的開發者。
• 處理 SVG 資料集與可微分幾何的資料科學家。

主要亮點

• 分層生成網路：專為向量圖形動畫的結構化特性設計的模型。
• SVG 深度學習程式庫：用於解析、簡化、增強與將 SVG 轉換為 PyTorch 張量的工具。
• 可微分優化：使用梯度下降法變形形狀以符合目標的能力。
• 實驗性 GUI：受 Figma 啟發的介面，用於視覺化模型輸出並創建 2D 動畫。
• 預處理資料集：包含 SVG-Icons8 與 Font 資料集，可立即重現。