SLS (SVG Latent Space)

新型Transformer模型为矢量图形创建可扩展的潜在空间

研究人员开发了一种新颖的基于Transformer的自编码器，称为SLS（SVG潜在空间），为可扩展矢量图形（SVG）创建了一个连续、密集且可逆的潜在空间。该系统对SVG命令和坐标进行标记化，从而实现固定大小的潜在表示，捕捉结构和外观。生成的嵌入空间是鲁棒的、可逆的和结构化的，能够进行高效的相似性搜索和下游条件化。SLS在各种任务中比现有的基于标记的方法在FLOPs方面减少了150倍以上，显示出显著的效率提升，为矢量图形研究奠定了基础工具。