/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
8,1 ГБ
Лицензия
MIT
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B
Библиотека
transformers
Опубликована
14 апр 2026

HiVG-3B-Base

Описание изображенийИзображение → текст3 профессии

Мультимодальная модель HiVG на 3,1 млрд параметров создаёт редактируемую SVG-графику по изображениям и текстовым описаниям.

452скачиваний за 30 дней12лайковвеса обновлены17 апр 2026

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 «Распознавание текста» — 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

HiVG-3B-Base — базовая мультимодальная модель на 3,1 млрд параметров, разработанная Xingxm и дообученная на основе Qwen/Qwen2.5-VL-3B. Она предназначена для авторегрессионной генерации SVG по изображению или текстовому описанию. Модель использует иерархическую токенизацию SVG: геометрические атомарные и сегментные токены сокращают длину последовательностей и помогают сохранять структуру и детали в редактируемой векторной графике.

Модель поддерживает сценарии преобразования растрового изображения в SVG и создания SVG по текстовому запросу. В README заявлены высокая точность векторизации и результаты выше семи проприетарных моделей на оценке image-to-SVG; это заявления авторов карточки. Контекст модели составляет 128 000 токенов. Карточка помечает английский язык; модель не предназначена для генерации произвольного кода за пределами SVG.

Это базовая модель без настройки для следования инструкциям и RLHF-выравнивания, поэтому её пригодность для непосредственного производственного использования ограничена. Не рекомендуется применять её в критически важных сценариях без дополнительных мер предосторожности. Лицензия — MIT.

Сценарии применения

  • векторизация растрового изображения в редактируемый SVG
  • создание SVG-иллюстрации по текстовому описанию
  • восстановление структуры и деталей изображения в векторной графике

Ограничения

Это базовая модель без настройки для следования инструкциям и RLHF-выравнивания; она не предназначена для генерации произвольного кода за пределами SVG. Для критически важных сценариев требуются дополнительные меры предосторожности.

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

HiVG: Hierarchical SVG Tokenization

HiVG-3B-Base is a 3B-parameter vision-language model for autoregressive Scalable Vector Graphics (SVG) generation.

HiVG introduces a novel hierarchical SVG tokenization framework that replaces generic byte-level tokenization with geometry-aware atomic and segment tokens, enabling significantly more efficient and faithful SVG code generation.

Highlights

  • Small Model, Frontier Results — 3B parameters that beat 7/7 proprietary models including GPT-5 and Gemini 2.5 on image-to-SVG.
  • Efficient SVG Token Compression — Hierarchical tokenization (Raw SVG → Atomic tokens → Segment tokens) with 2.76x sequence compression.
  • High-Fidelity Image-to-SVG — Convert any image into a clean, editable SVG — structure, layout, and detail faithfully preserved.

Quick Start

You can use the provided inference pipeline for both image-to-SVG and text-to-SVG tasks.

from hivg_infer import HiSVGInferencePipeline

pipeline = HiSVGInferencePipeline(
    model_path="xingxm/HiVG-3B-Base",
    coord_range=234,
    temperature=0.7,
    top_p=0.9,
    max_new_tokens=4096,
)

# Image-to-SVG
result = pipeline.img2svg("path/to/your_image.png")
if result["success"]:
    print(result["svg"])

# Text-to-SVG
result = pipeline.text2svg("A minimalist black phone icon with an outline style")
if result["success"]:
    with open("output.svg", "w") as f:
        f.write(result["svg"])

Note: For detailed inference code, data preprocessing, and the hierarchical SVG tokenizer/detokenizer, please visit the project page and the associated code repository.

Intended Uses

Primary Use Cases

  • Text-to-SVG Generation: Generate SVG vector graphics from natural language descriptions.
  • Image-to-SVG Generation (Vectorization): Convert raster images into editable SVG code.

Out-of-Scope Uses

  • This is a base model and has not been instruction-tuned or RLHF-aligned for production deployment.
  • Not designed for generating arbitrary code beyond SVG.
  • Not suitable for safety-critical applications without additional safeguards.

Training Details

Training Procedure

  • Backbone: Qwen2.5-VL-3B
  • Fine-tuning: Full-parameter SFT with frozen vision encoder
  • Curriculum Learning: The model was trained with a curriculum training paradigm that progressively increases program complexity
  • Initialization: Hierarchical mean-noise initialization strategy for new SVG token embeddings

Compute Infrastructure

Please refer to the paper for detailed compute specifications.

Citation

If you find this work helpful, please cite:

@article{xing2026hivg,
  title={Hierarchical SVG Tokenization: Learning Compact Visual Programs for Scalable Vector Graphics Modeling},
  author={Ximing Xing and Ziteng Xue and Zhenxi Li and Weicong Liang and Linqing Wang and Zhantao Yang and Tiankai Hang and Zijin Yin and Qinglin Lu and Chunyu Wang and Qian Yu},
  journal={arXiv preprint arXiv:2604.05072},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
259cba9

0 моделей