/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,2 млрд
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Опубликована
21 июл 2025

OmniSVG

Генерация текстаТекст → текст3 профессии

OmniSVG — дообученная мультимодальная модель для генерации SVG-значков и иллюстраций по тексту или изображению.

221скачиваний за 30 дней208лайковвеса обновлены21 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OmniSVG — мультимодальная модель генерации SVG от команды OmniSVG, дообученная на базе Qwen/Qwen2.5-VL-3B-Instruct. Она создаёт векторную графику по текстовому описанию и изображению: от простых значков до сложных иллюстраций и персонажей. Модель имеет плотную архитектуру Qwen2.5-VL, содержит 3,2 млрд параметров, принимает контекст до 128 000 токенов и распространяется в формате PyTorch.

Модель предназначена для условной генерации SVG и подходит для создания значков, иллюстраций и персонажей по запросу или визуальному примеру. В README указано использование 17 ГБ видеопамяти при инференсе; для окружения авторы проверяли CUDA 12.1. Карточка перечисляет обучающие наборы MMSVG-Icon и MMSVG-Illustration, а также датасет MMSVG-2M с двумя миллионами размеченных SVG-объектов. Лицензия — Apache-2.0.

Сценарии применения

  • создание SVG-иконок по текстовому запросу
  • преобразование изображения в векторную SVG-графику
  • генерация сложных SVG-иллюстраций
  • создание SVG-персонажей в стиле аниме

Ограничения

Для инференса в README указано потребление около 17 ГБ видеопамяти; авторы проверяли окружение с CUDA 12.1. Показатели качества и поддержка языков помимо английского и китайского в предоставленных данных не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

1. Introduction

OmniSVG is the first family of end-to-end multimodal SVG generators that leverage pre-trained Vision-Language Models (VLMs), capable of generating complex and detailed SVGs, from simple icons to intricate anime characters. We also introduce MMSVG-2M, a multimodal dataset with two million richly annotated SVG assets, along with a standardized evaluation protocol for conditional SVG generation tasks.

2. Models Downloading

ModelDownload linkSizeUpdate date
OmniSVG-3B🤗 Huggingface8.49 GB2025-07-21

3. Dependencies and Installation

The dependencies configured according to the following instructions provide an environment equipped for inference

3.1 Clone the Repository

git clone https://github.com/OmniSVG/OmniSVG.git
cd OmniSVG

3.2 Create Conda Environment

Create and activate a new conda environment with Python 3.10:

conda create -n omnisvg python=3.10
conda activate omnisvg

3.3 Install Dependencies

System Dependencies

Before installing Python packages, you need to install Cairo library which is required by CairoSVG in our dependencies:

macOS:

brew install cairo

Linux (Ubuntu/Debian):

sudo apt update
sudo apt install libcairo2 libcairo2-dev

Note: Installing Cairo system library beforehand helps prevent potential build errors when installing CairoSVG via pip.

Python Dependencies

We have tested our environment with CUDA 12.1. You can install CUDA 12.1 by following the CUDA Toolkit installation guide.

Install PyTorch with CUDA 12.1 support:

pip install torch==2.3.0+cu121 torchvision==0.18.0+cu121 --index-url https://download.pytorch.org/whl/cu121

Install remaining dependencies:

pip install -r requirements.txt

4. Inference Script

GPU Memory UsageTime per 256/512/1024/2048/4096 tokens
OmniSVG-3B17G4.08/8.68/18.07/37.51/82.70 seconds

Note: The inference time shown here is measured per OmniSVG SVG tokens, while the inference time reported in our paper is measured per XML code tokens for fair comparison with baseline methods.

Quick Start

  1. Download Model Weights

    Download the model weights from Hugging Face and place them in the ./pretrained_models/OmniSVG-3B directory.

  2. Run Inference

    Execute the following command to run inference on your images:

    python inference.py --input_dir ./examples --output_dir ./output --task_type image-to-svg/text-to-svg --weight_path ./pretrained_models/OmniSVG-3B
    

Interactive Demo

We provide an interactive generation interface using Gradio:

5. License

OmniSVG is licensed under the Apache License 2.0, while MMSVG dataset is under Creative Commons Attribution Non Commercial Share Alike 4.0 License. You can find the license files in the respective github and HuggingFace repositories.

Citation

@article{yang2025omnisvg,
  title={OmniSVG: A Unified Scalable Vector Graphics Generation Model}, 
  author={Yiying Yang and Wei Cheng and Sijin Chen and Xianfang Zeng and Jiaxu Zhang and Liao Wang and Gang Yu and Xinjun Ma and Yu-Gang Jiang},
  journal={arXiv preprint arxiv:2504.06263},
  year={2025}
}

Acknowledgments

We thank the following excellent open-source works:

IconShop: is the first advanced work that leverages LLMs to generate monochrome, icon-level SVGs. We referred to its parametric implementation.

Here is the list of highly related concurrent works:

LLM4SVG: treats SVG coordinates as number strings and predicts decimal part for higher spatial accuracy.

StarVector: equips LLM with an image encoder for Image-to-SVG generation.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
40138c7

0 моделей