新的 VLM VFIG 将栅格图像转换为复杂的 SVG 图表

研究人员开发了 VFIG，这是一种新的视觉语言模型 (VLM)，旨在将栅格化图像转换为可缩放矢量图形 (SVG) 格式。这一进展解决了丢失原始矢量文件的常见问题，使得技术插图难以编辑。VFIG 在 VFIG-Data 上进行训练，这是同类数据集中最大的数据集，并使用 VFIG-Bench 进行评估，VFIG-Bench 是一个评估结构正确性（超越简单视觉相似性）的新基准。该模型展示了最先进的开源性能，优于现有基线，并接近 Claude Sonnet 4.6 和 GPT-5.2 等专有模型的能力。 AI

影响 这项研究通过自动化将栅格图像转换为可编辑矢量格式的过程，有望显著改善技术插图和图表创建的工作流程。

排序理由 该项目是一篇学术论文，详细介绍了一种用于特定技术任务的新模型和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Claude Sonnet 4.6
• Gemini 3
• Gemini-Judge
• GPT-5.2
• SVG
• VFIG
• VFIG-Bench
• VFIG-Bench-OOD
• VFIG-Data
• vision-language model
• VLM-Judge
• Xunmei Liu

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →