VectorArk：学习具有圆角多边形表示的实用图像矢量化

最近基于视觉语言模型（VLM）的方法在图像矢量化任务上取得了令人印象深刻的结果。然而，它们通常在综合基准上进行评估，其中干净的 SVG 以高分辨率进行光栅化，然后重新矢量化。因此，这些方法很难推广到现实场景，例如具有未知光栅化方法的图像或由文本到图像模型生成的图像。我们推出了 VectorArk，这是一种基于 VLM 的新模型，专为稳健且实用的图像矢量化而设计。 VectorArk 采用新颖的圆角多边形表示，简化了学习过程，同时自然地生成平滑、视觉上吸引人的图元。我们还提出了一种退化模型，可以增强多样化和不完美输入的稳健性。我们的实验表明，与以前的方法相比，VectorArk 在多个数据集上实现了卓越的几何完整性和伪影抑制，并通过全面的消融验证了每个组件的贡献。