可缩放矢量图形（SVG）由于能够缩放到不同分辨率而在现代 2D 界面中无处不在。但是，尽管将基于深度学习的模型成功应用于栅格化图像，矢量图形表示学习和生成的问题仍未解决。在这篇论文中，研究团队提出了一种新颖的分层生成网络，称为 DeepSVG，用于复杂的 SVG 图标生成和插值。该架构有效地将高级形状与对形状本身进行编码的低级命令分开。网络以非自回归方式直接预测一组形状。通过发布新的大规模数据集以及用于 SVG 操作的开源库，该团队介绍了复杂的 SVG 图标生成的任务。研究表明了该网络学会了准确地重建各种矢量图形，并且可以通过执行插值和其他潜在的空间操作来充当强大的动画工具。代码传送门：bit.ly/39m2xxG