我们提出了一种新的技术线绘图矢量化方法，包括深度学习预处理、变形器网络估计矢量基元以及优化过程等步骤，该方法在代表性技术绘图上定量和定性地胜过现有技术。
Mar, 2020
研究进行了关于机器学习兼容的矢量化方法的研究，发现尽管现有的方法能够直接指定形状数量和类型，但其工作时间很长且无法准确重现原始图像，因此我们认为没有快速的通用自动方法，需要对每种方法进行人工控制。
Jun, 2023
本文提出了一种名为 LIVE 的图像逐层矢量化方法，它能够将光栅图像转换为 SVG，并同时保持其图像拓扑结构，通过新的贝塞尔路径，新设计的损失函数以及逐元件路径初始化技术来优化路径，实验结果表明，LIVE 比以前的工作呈现更有说服力的矢量形式，并且可以推广到新的图像。
Jun, 2022
该论文提出了一种新颖的图像转铅笔画的方法，可以产生高质量的铅笔素描并提供绘图过程；通过三个分支的引导，可以每次画一笔来制作铅笔素描；该方法在质地、样式和用户评估方面优于现有的铅笔素描算法。
Dec, 2020
该论文提出了一种将 2D 图像曲线组合成 3D 曲线集合，构建具有拓扑连接性的 3D 图形的方法，以实现对 3D 场景的结构化表示和重建。
Sep, 2016
通过设计双分支变分自编码器 (VAE) 的神经路径表示，我们提出了一种新颖的神经路径表示，从序列和图像模态中学习路径潜在空间，通过优化神经路径的组合，我们可以在生成的 SVG 中融入几何约束的同时保持表达力。此外，我们引入了一种两阶段路径优化方法，用于改进生成的 SVG 的视觉和拓扑质量。
May, 2024
本文提出了一个细粒度数学图形的视觉理解任务，提供了 Line Graphics 数据集并测试了七种不同的计算机视觉模型来支持此任务，可应用于语义分割和对象检测。
Jul, 2023
提出了一种基于光栅化评估度量的 MapVR 框架，该框架能够有效地适应各种地图元素，提高地图感知的准确性，从而促进更加安全的自动驾驶。
提出了一种基于文本提示生成高质量定制化矢量图形的新型流程，该流程利用大型预训练的文本到图像模型的能力，在保留给定示例 SVG 的属性和分层信息的同时生成定制化的光栅图像，方法中引入了基于语义的路径对齐方法以保留和转换关键路径，使用图像级和矢量级损失优化路径参数以确保平滑的形状变形与定制化的光栅图像对齐，通过从矢量级、图像级和文本级多个角度对其进行评估，评估结果表明该流程在生成具有优秀质量的矢量图形定制化方面具有有效性。
Sep, 2023
提出一种名为 VectorPainter 的新方法，用于合成风格化矢量图形，并通过对参考图像进行矢量化笔画的重新排列，使其在内容上与文本提示对齐并保持风格上的忠实；通过引入新的风格保持损失，确保与参考风格的一致性。