DesigNet: Learning to Draw Vector Graphics as Designers Do

1. O Problema

A geração de conteúdo por IA avançou significativamente, especialmente em imagens rasterizadas (convoluções e modelos de difusão). No entanto, a geração de Gráficos Vetoriais Escaláveis (SVG) enfrenta desafios fundamentais diferentes.

• Divergência de Abordagem: Redes neurais atuais e designers humanos operam de formas distintas. Modelos existentes frequentemente produzem vetores que, embora visualmente próximos, carecem de consistência geométrica rigorosa (como alinhamento e continuidade de curvas), tornando-os difíceis de refinar em fluxos de trabalho profissionais.
• Limitações de Representação: Muitos métodos anteriores utilizam representações discretas (quantizadas) de coordenadas. Embora isso facilite o alinhamento artificial, introduz perda de precisão geométrica e impede interpolações suaves.
• Inconsistência Estilística e Geométrica: Modelos existentes têm dificuldade em manter a coerência estilística global (ex: peso, inclinação de uma fonte inteira) enquanto preservam detalhes geométricos locais finos e garantem regularidades essenciais para o design profissional (como tangentes colineares e linhas perfeitamente horizontais/verticais).

2. Metodologia

O DesigNet é um modelo VAE (Autoencoder Variacional) Hierárquico baseado em Transformers que opera diretamente em sequências de comandos SVG com parâmetros contínuos.

A. Representação de Dados e Embeddings

• Parâmetros Contínuos: Diferente de trabalhos anteriores que discretizam coordenadas, o DesigNet utiliza uma parametrização contínua (4 pontos para curvas de Bézier cúbicas). Isso evita artefatos de quantização e permite precisão geométrica superior.
• Embeddings: Cada comando é projetado em um espaço de embedding compartilhado, combinando o tipo de comando, argumentos contínuos e codificação posicional sinusoidal.

B. Arquitetura Hierárquica (Transformer-VAE)

O modelo utiliza um espaço latente particionado para equilibrar coerência global e detalhe local:

1. Codificação:
   • Nível de Caminho (Path-level): Um Transformer codifica cada contorno individualmente, capturando a estrutura geométrica local.
   • Nível de Glifo (Glyph-level): Um segundo Transformer agrega informações de todos os caminhos do glifo, capturando o estilo global.
2. Espaço Latente Particionado:
   • Latente Global ($z$): Captura propriedades estilísticas gerais (peso, inclinação, contraste).
   • Latentes de Caminho ($z_j$): Preservam detalhes geométricos específicos de cada contorno. Isso evita o "gargalo" de comprimir todo o glifo em um único vetor.
3. Decodificação: O decodificador gera os comandos de desenho condicionados aos latentes globais e locais, além da identidade do caractere alvo.

C. Módulos de Auto-Refinamento (Auto-Refinement)

A contribuição central do trabalho são dois módulos diferenciáveis que aplicam regras geométricas determinísticas após a geração inicial, mas durante o treinamento (usando estimadores straight-through para permitir o fluxo de gradientes):

1. Módulo de Auto-Refinamento de Continuidade:
   • Prevê o nível de continuidade em cada junção de curvas: C0 (apenas continuidade geométrica), G1 (tangentes colineares) ou C1 (tangentes colineares com magnitude igual).
   • Ajusta os pontos de controle das curvas de Bézier para forçar a continuidade prevista, garantindo transições suaves.
2. Módulo de Auto-Refinamento de Alinhamento:
   • Prevê se um segmento de linha deve ser Horizontal (H), Vertical (V) ou sem alinhamento.
   • "Ajusta" (snapping) as coordenadas das extremidades das linhas para os eixos correspondentes, eliminando ruído de orientação em traços finos.

3. Principais Contribuições

• Módulos de Refinamento Diferenciáveis: Introdução de módulos que preveem e aplicam explicitamente restrições geométricas (continuidade e alinhamento), permitindo que a rede aprenda a tomar decisões de design de alto nível.
• Parametrização Contínua: Substituição de tokens discretos por um espaço contínuo, garantindo suavidade na condicionamento e decodificação, além de maior precisão geométrica.
• Espaço Latente Particionado: Design que separa o estilo global da geometria local, permitindo a geração de fontes inteiras a partir de poucos glifos de referência com alta fidelidade.
• Geração de Fontes de Ponta a Ponta: Extensão do modelo para a tarefa de geração de fontes (reconstrução de um alfabeto inteiro a partir de um pequeno conjunto de glifos de referência), superando métodos anteriores em métricas de reconstrução e regularidade.

4. Resultados

O DesigNet foi avaliado em conjuntos de dados de fontes latinas (dataset proprietário), fontes chinesas e ícones.

• Desempenho Quantitativo:
  • Superou métodos state-of-the-art (como DeepSVG, DeepVecFont-v2 e DualVector) em métricas de reconstrução (IoU, distância L1 e erro de reconstrução Chamfer).
  • Demonstrou ganhos significativos na precisão de continuidade e precisão de alinhamento, métricas críticas para designers que eram negligenciadas ou inferiores em modelos anteriores.
  • Em fontes latinas, o DesigNet alcançou IoU de 0.693 e precisão de alinhamento de 0.531 (com refinamento), superando o DeepVecFont-v2.
• Desempenho Qualitativo:
  • As saídas vetoriais são visualmente mais limpas, com transições de curvas suaves e estruturas alinhadas.
  • Os vetores gerados são facilmente editáveis em softwares profissionais como FontForge, Glyphs 3 e Adobe Illustrator, algo que modelos anteriores muitas vezes não garantiam.
• Generalização: O modelo demonstrou capacidade de generalização ao ser aplicado em um conjunto de dados de ícones, mantendo a qualidade da reconstrução de caminhos vetoriais.
• Interpolação: O espaço latente permite interpolações suaves entre diferentes estilos de fontes (peso, inclinação).

5. Significado e Impacto

O DesigNet representa um avanço crucial na interseção entre IA generativa e design profissional.

• Ponte entre IA e Designers: Ao equipar a rede neural com as mesmas ferramentas de controle que os designers usam (alinhamento e controle de continuidade), o modelo produz resultados que não são apenas "visualmente bons", mas estruturalmente corretos e prontos para edição profissional.
• Viabilidade de Fluxo de Trabalho: A capacidade de gerar vetores editáveis e geometricamente consistentes permite que a IA seja integrada diretamente no processo criativo humano, em vez de ser apenas uma ferramenta de geração de imagens estáticas.
• Futuro do Design Vetorial: O trabalho estabelece que a operação em espaços contínuos, combinada com supervisão geométrica explícita, é o caminho para superar as limitações de precisão e coerência dos modelos atuais de geração vetorial.

Em resumo, o DesigNet não apenas gera vetores, mas "aprende a desenhar como um designer", priorizando a estrutura geométrica e a editabilidade ao lado da fidelidade visual.