核心发现
方法论
VFIG方法采用了一种从粗到细的训练课程，首先通过监督微调（SFT）学习基本图形元素，然后通过强化学习（RL）优化整体图形的保真度、布局一致性和拓扑边缘情况。VFIG-DATA数据集包含66K高质量的图形-SVG对，来源于真实世界的论文图形和程序生成的图表。VFIG-BENCH评估套件提供了新颖的指标来衡量复杂图形的结构完整性。
关键结果
- VFIG在开放源代码模型中表现优异，与GPT-5.2相当，在VFIG-BENCH上取得了0.829的VLM-Judge分数，显示了其在复杂图形转换任务中的卓越能力。
- 通过VFIG-DATA数据集的支持，VFIG能够处理更复杂的图形结构，与现有的小规模数据集相比，提升了模型的泛化能力。
- 在实验中，VFIG展示了对不同类型图形的强大适应性，尤其是在处理专业图表时，其性能显著优于其他基线模型。
研究意义
VFIG的提出在学术界和工业界具有重要意义。它解决了传统上难以自动化的图形向量化问题，减少了手动重建图形的劳动密集型工作。通过引入大规模数据集和新颖的训练方法，VFIG不仅提高了图形转换的精度，还为未来的研究提供了一个坚实的基础。此项研究的成功有望推动技术插图和数字设计领域的发展，使得图形编辑更加高效和灵活。
技术贡献
VFIG的技术贡献在于其创新的从粗到细的训练方法和大规模的VFIG-DATA数据集。与现有的最先进方法相比，VFIG提供了新的理论保证和工程可能性。其强化学习阶段的引入，显著提高了模型在复杂图形结构上的表现。此外，VFIG-BENCH评估套件为复杂图形的结构完整性提供了新的衡量标准。
新颖性
VFIG是首个利用视觉-语言模型进行复杂图形到SVG转换的系统。与现有的图形转换方法相比，VFIG通过引入大规模数据集和从粗到细的训练策略，实现了更高的精度和复杂性处理能力。
局限性
- VFIG在处理极端复杂或不规则的图形时，可能会出现性能下降的情况。这主要是由于模型在这些情况下的泛化能力有限。
- 尽管VFIG-DATA数据集规模庞大，但仍可能缺乏某些特定领域的专业图形，这可能影响模型在这些领域的表现。
- VFIG的训练和推理过程计算成本较高，可能限制其在资源受限环境中的应用。
未来方向
未来的研究方向包括扩展VFIG-DATA数据集以涵盖更多领域的图形，优化模型的计算效率，以及探索更先进的训练方法以进一步提高模型的性能和适应性。此外，研究如何将VFIG应用于实时图形编辑和增强现实等新兴领域也是一个值得探索的方向。
AI 总览摘要
可扩展矢量图形（SVG）是一种在技术插图和数字设计中至关重要的格式，提供了精确的分辨率独立性和灵活的语义可编辑性。然而，在实践中，原始矢量源文件经常丢失或无法访问，只剩下难以修改或缩放的“平面”栅格化版本（如PNG或JPEG）。手动重建这些图形是一项劳动密集型的过程，需要专业知识来恢复原始的几何意图。
为了弥合这一差距，我们提出了VFIG，一种训练用于复杂和高保真图形到SVG转换的视觉-语言模型家族。尽管这一任务本质上是数据驱动的，但现有的数据集通常规模较小，缺乏专业图表的复杂性。我们通过引入VFIG-DATA来解决这一问题，这是一个由66K高质量图形-SVG对组成的大规模数据集，从真实世界的论文图形和程序生成的图表中精心策划而成。
认识到SVG由重复的基本图形和分层的局部结构组成，我们引入了一种从粗到细的训练课程，首先通过监督微调（SFT）学习基本图形元素，然后过渡到强化学习（RL）优化以提高整体图形的保真度、布局一致性和拓扑边缘情况。
最后，我们引入了VFIG-BENCH，一个综合评估套件，具有新颖的指标，旨在衡量复杂图形的结构完整性。VFIG在开放源代码模型中实现了最先进的性能，并与GPT-5.2相当，在VFIG-BENCH上取得了0.829的VLM-Judge分数。
VFIG的提出在学术界和工业界具有重要意义。它解决了传统上难以自动化的图形向量化问题，减少了手动重建图形的劳动密集型工作。通过引入大规模数据集和新颖的训练方法，VFIG不仅提高了图形转换的精度，还为未来的研究提供了一个坚实的基础。此项研究的成功有望推动技术插图和数字设计领域的发展，使得图形编辑更加高效和灵活。
然而，VFIG在处理极端复杂或不规则的图形时，可能会出现性能下降的情况。这主要是由于模型在这些情况下的泛化能力有限。尽管VFIG-DATA数据集规模庞大，但仍可能缺乏某些特定领域的专业图形，这可能影响模型在这些领域的表现。未来的研究方向包括扩展VFIG-DATA数据集以涵盖更多领域的图形，优化模型的计算效率，以及探索更先进的训练方法以进一步提高模型的性能和适应性。
深度分析
研究背景
在技术插图和数字设计领域，矢量图形格式（SVG）因其分辨率独立性和灵活的编辑能力而被广泛使用。然而，随着时间的推移，原始的矢量文件常常丢失或无法访问，导致仅剩下难以编辑的栅格化图像。这种情况在学术出版物和专业设计中尤为常见，给图形的修改和再利用带来了极大的困难。传统的图形重建方法通常依赖于手动操作，耗时且需要专业技能，这在大规模应用中是不切实际的。近年来，随着深度学习技术的发展，自动化图形转换成为可能，但现有的方法在处理复杂图形时仍然面临挑战，尤其是在数据集规模和复杂性方面。
核心问题
核心问题在于如何有效地将复杂的栅格化图形转换为可编辑的SVG格式。这一问题的难点在于图形的几何结构和语义信息的恢复。现有的方法通常依赖于小规模的数据集，缺乏对复杂图形的泛化能力。此外，传统的图形转换方法在处理多层次结构和拓扑边缘情况时表现不佳，导致转换结果的保真度和一致性不足。解决这一问题对于提高图形编辑的效率和灵活性具有重要意义。
核心创新
VFIG的核心创新在于其从粗到细的训练策略和大规模的数据集支持。首先，VFIG引入了VFIG-DATA，一个包含66K高质量图形-SVG对的数据集，显著提高了模型的训练效果。其次，VFIG采用了一种从粗到细的训练课程，结合监督微调和强化学习，逐步优化图形的保真度和一致性。此外，VFIG-BENCH评估套件的引入，为复杂图形的结构完整性提供了新的衡量标准。与现有方法相比，VFIG在处理复杂图形结构时表现出色。
方法详解
- �� VFIG-DATA数据集的构建：收集66K高质量图形-SVG对，涵盖真实世界的论文图形和程序生成的图表。
- �� 从粗到细的训练策略：
- 监督微调（SFT）：学习基本图形元素，建立初步的图形结构。
- 强化学习（RL）：优化整体图形的保真度、布局一致性和拓扑边缘情况。
- �� VFIG-BENCH评估套件：
- 引入新颖的评估指标，衡量复杂图形的结构完整性。
- 测试模型在不同类型图形上的性能，确保其泛化能力。
实验设计
实验设计包括使用VFIG-DATA数据集进行模型训练和评估。基线模型包括现有的图形转换方法，以比较VFIG的性能。评估指标包括VLM-Judge分数，用于衡量模型在复杂图形转换任务中的表现。实验还包括消融研究，以分析不同训练策略对模型性能的影响。关键超参数的调整确保了模型的稳定性和高效性。
结果分析
实验结果显示，VFIG在VFIG-BENCH上取得了0.829的VLM-Judge分数，显著优于其他基线模型。消融研究表明，从粗到细的训练策略对模型性能的提升起到了关键作用。VFIG在处理不同类型的图形时表现出色，尤其是在专业图表的转换中，其保真度和一致性明显优于现有方法。
应用场景
VFIG的应用场景包括技术插图和数字设计中的图形编辑和再利用。通过自动化的图形转换，设计师和研究人员可以更高效地修改和扩展现有图形。此外，VFIG还可以应用于教育和出版领域，帮助快速生成高质量的图形内容。
局限与展望
尽管VFIG在复杂图形转换中表现出色，但其在处理极端复杂或不规则图形时可能会出现性能下降。此外，VFIG的训练和推理过程计算成本较高，可能限制其在资源受限环境中的应用。未来的研究可以通过扩展数据集和优化算法来克服这些局限。
通俗解读 非专业人士也能看懂
想象一下，你有一幅非常复杂的图画，里面有很多细节和颜色。现在，你想把这幅画变成一种可以随意放大缩小而不失真的格式，就像是把一张照片变成一幅画。这就是VFIG要做的事情。VFIG就像一个超级聪明的画家，它能看懂这些复杂的图画，然后用一种叫做SVG的格式重新画出来。这个过程就像是把一张照片变成一幅可以随意编辑的画，你可以改变颜色、形状，甚至添加新的元素。VFIG通过学习大量的图画和它们的SVG版本，掌握了如何把复杂的图画转换成SVG的技巧。它就像是一个拥有无限智慧的画家，能够快速而准确地完成这项工作。
简单解释 像给14岁少年讲一样
嘿，小伙伴！你知道吗，有时候我们在网上看到的那些很酷的图表，其实是用一种叫做SVG的格式做成的。SVG就像是一个超级灵活的画板，你可以随意放大缩小而不会模糊。但是，有时候我们只有这些图表的图片版本，想要修改就很麻烦。这时，VFIG就派上用场啦！它就像是一个超级聪明的机器人画家，可以把这些图片变成SVG格式。这样，我们就可以随意修改这些图表啦！是不是很酷？不过，VFIG也有点小问题，比如在处理特别复杂的图表时，可能会有点小失误。不过，科学家们正在努力改进它，让它变得更强大！
术语表
Scalable Vector Graphics (SVG)
SVG是一种基于XML的矢量图形格式，允许图形在不失真的情况下缩放。
在论文中，SVG是目标格式，用于图形转换。
Vision-Language Models (VLM)
视觉-语言模型结合了视觉和语言信息进行任务处理。
VFIG使用VLM进行图形到SVG的转换。
Supervised Fine-Tuning (SFT)
监督微调是一种通过标注数据优化模型性能的方法。
VFIG在训练初期使用SFT学习基本图形元素。
Reinforcement Learning (RL)
强化学习是一种通过奖励机制优化决策的机器学习方法。
VFIG使用RL优化图形的整体保真度和一致性。
VFIG-DATA
VFIG-DATA是一个包含66K图形-SVG对的大规模数据集。
用于训练VFIG模型，提高其泛化能力。
VFIG-BENCH
VFIG-BENCH是一个评估套件，用于衡量模型在复杂图形转换任务中的表现。
用于评估VFIG的性能，提供结构完整性的指标。
VLM-Judge Score
VLM-Judge分数是一种衡量模型在图形转换任务中表现的指标。
VFIG在VFIG-BENCH上取得了0.829的VLM-Judge分数。
Ablation Study
消融研究是一种通过移除或修改模型组件来分析其影响的方法。
用于分析VFIG中不同训练策略的作用。
Topology
拓扑学研究图形的空间性质和结构。
VFIG优化图形的拓扑边缘情况。
Global Diagram Fidelity
整体图形保真度指图形转换后与原始图形的相似程度。
VFIG通过RL优化整体图形保真度。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提高VFIG在极端复杂或不规则图形上的表现？现有的方法在这些情况下的泛化能力有限，需要更先进的算法和数据集支持。
- 2 在资源受限的环境中，如何降低VFIG的计算成本？目前的训练和推理过程计算成本较高，限制了其应用。
- 3 如何扩展VFIG-DATA数据集以涵盖更多领域的图形？现有数据集可能缺乏某些特定领域的专业图形。
- 4 VFIG在实时图形编辑中的应用潜力如何？需要探索更高效的算法以支持实时处理。
- 5 如何在增强现实等新兴领域中应用VFIG？需要研究其在不同环境下的适应性和性能。
应用场景
近期应用
技术插图编辑
设计师可以使用VFIG快速将栅格化图形转换为SVG格式，方便后续编辑和修改，提高工作效率。
学术出版
研究人员可以利用VFIG将论文中的图表转换为可编辑的SVG格式，便于修改和再利用。
数字设计
数字设计师可以通过VFIG将现有的图形素材转换为SVG，增强设计的灵活性和可扩展性。
远期愿景
实时图形编辑
随着算法的优化，VFIG有望应用于实时图形编辑，支持更高效的设计流程。
增强现实应用
VFIG可以在增强现实领域中应用，支持复杂图形的实时转换和显示，推动AR技术的发展。
原文摘要
Scalable Vector Graphics (SVG) are an essential format for technical illustration and digital design, offering precise resolution independence and flexible semantic editability. In practice, however, original vector source files are frequently lost or inaccessible, leaving only "flat" rasterized versions (e.g., PNG or JPEG) that are difficult to modify or scale. Manually reconstructing these figures is a prohibitively labor-intensive process, requiring specialized expertise to recover the original geometric intent. To bridge this gap, we propose VFIG, a family of Vision-Language Models trained for complex and high-fidelity figure-to-SVG conversion. While this task is inherently data-driven, existing datasets are typically small-scale and lack the complexity of professional diagrams. We address this by introducing VFIG-DATA, a large-scale dataset of 66K high-quality figure-SVG pairs, curated from a diverse mix of real-world paper figures and procedurally generated diagrams. Recognizing that SVGs are composed of recurring primitives and hierarchical local structures, we introduce a coarse-to-fine training curriculum that begins with supervised fine-tuning (SFT) to learn atomic primitives and transitions to reinforcement learning (RL) refinement to optimize global diagram fidelity, layout consistency, and topological edge cases. Finally, we introduce VFIG-BENCH, a comprehensive evaluation suite with novel metrics designed to measure the structural integrity of complex figures. VFIG achieves state-of-the-art performance among open-source models and performs on par with GPT-5.2, achieving a VLM-Judge score of 0.829 on VFIG-BENCH.