StarVector
ServiceNow Research, Mila, ETS Montreal · Bilder · Coding
StarVector ist ein Open-Source-Vision-Language-Modell und eines der wenigen offenen SVG-Generierungsmodelle. Es verwandelt Bilder oder Text in SVG-Code und stammt von ServiceNow Research mit Mila und ETS Montreal.
Über StarVector
What Is StarVector
StarVector erzeugt Vektorgrafiken, indem es SVG-Code schreibt, statt Kurven nachzuzeichnen. Das Open-Source-SVG-Modell stammt von ServiceNow Research zusammen mit Mila und ETS Montreal und ist in Versionen mit 1B und 8B verfügbar.
Klassische Vektorisierer betrachten die Pixelkanten und raten, wo die Linie verläuft. StarVector geht anders vor: Zuerst sieht es sich das Bild an, versteht, was darauf zu sehen ist, und schreibt dann das Markup, das es mit Formen wie Ellipsen, Polygonen und Text wieder aufbaut. Dasselbe Modell nimmt auch eine schriftliche Beschreibung entgegen und erstellt ein völlig neues SVG.
Der Code liegt auf GitHub unter der Apache-2.0-Lizenz. Man mietet es nicht als Dienst. Sie laden die Gewichte von Hugging Face herunter und betreiben sie auf eigener Hardware, weshalb es ein Entwicklerwerkzeug ist und keine Verbraucher-App. Rechnen Sie mit einer Python-Umgebung und einer GPU.
Es gibt zwei Varianten. Das 8B-Modell erzielt die besten Werte in den Benchmarks des Teams, während die 1B-Version etwas Genauigkeit gegen leichtere Hardware-Anforderungen tauscht. Beide wurden mit SVG-Stack trainiert, einem Datensatz mit etwa 2 Millionen Beispielen.
Die größte Einschränkung liegt darin, was das Modell zu sehen gelernt hat. Das Team sagt es unverblümt: StarVector kommt mit natürlichen Fotos und detaillierten Illustrationen nicht zurecht. Es glänzt bei Icons, Logos, technischen Diagrammen, Grafiken und Tabellen. Geben Sie ihm ein Porträt, enttäuscht das Ergebnis.
Getting Started
- Klonen Sie das Repository star-vector von GitHub und legen Sie eine Python-3.11-Umgebung an.
- Installieren Sie das Paket per pip und laden Sie die gewünschten Gewichte herunter, den 1B- oder den 8B-Checkpoint von Hugging Face.
- Laden Sie das Modell in Python und verschieben Sie es auf eine CUDA-GPU.
- Übergeben Sie ein Bild zur Vektorisierung oder eine Beschreibung für ein neues SVG.
- Rastern Sie den zurückgegebenen SVG-Code, um das Ergebnis zu prüfen, und exportieren Sie die Datei.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von StarVector.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die Vektorgrafiken in großem Umfang brauchen
- Design-Engineers, die eine Pipeline aufbauen
- Forschende und Studierende
- Teams, die keine Dateien an einen Cloud-Dienst schicken dürfen
Aufgaben
- Icons und Logos in SVG
- Technische Diagramme und Grafiken
- Text zu SVG auf Abruf
- Eine Bibliothek im Stapel neu vektorisieren
Szenarien
- Ein veraltetes Icon-Set neu aufbauen
- Ein eingescanntes Diagramm in eine bearbeitbare Grafik verwandeln
- Ein Logo aus einem Briefing prototypen
- Vertrauliche Diagramme intern halten
Wichtigste Funktionen
Vektorisierung von Bild zu SVG
StarVector nimmt ein Rasterbild und schreibt den SVG-Code, der es nachbaut. Es versteht, was das Bild zeigt, und wählt die richtigen Primitive wie Ellipsen, Polygone und Text, statt Tausende Pfadpunkte abzuladen. Das Ergebnis ist eine kompakte Datei, die Sie in jedem Vektorwerkzeug öffnen und bearbeiten können.
Generierung von Text zu SVG
Geben Sie dem Modell eine schriftliche Beschreibung, erzeugt es ein neues SVG ganz ohne Quellbild. Das ist der Teil, den kein klassischer Vektorisierer leistet, denn Nachzeichenwerkzeuge brauchen etwas zum Nachzeichnen. Es eignet sich für schnelle Entwürfe einfacher Formen und Icons.
Semantische Nutzung der SVG-Primitive
Das Modell wählt zwischen Formen, statt immer auf Pfade zurückzugreifen. Ein Kreis wird zu einem circle-Element und eine Beschriftung zu einem text-Element. So bleibt die Ausgabe sauberer und für andere Werkzeuge leichter zu lesen und neu zu gestalten.
Zwei Modellgrößen
StarVector gibt es in Versionen mit 1B und 8B bei gleichem Aufgabenaufbau. Das 8B-Modell führt bei der Genauigkeit, während die 1B-Version auf leichterer Hardware läuft. Sie entscheiden über den Kompromiss zwischen Qualität und Ressourcen für Ihre Umgebung.
SVG-Bench und SVG-Stack
Das Team hat einen Benchmark über 10 Datensätze und drei Aufgaben veröffentlicht, dazu einen Trainingsdatensatz mit rund 2 Millionen Beispielen. Beide sind auf Hugging Face offen, sodass Sie die Zahlen nachvollziehen oder das Modell mit eigenen Daten nachtrainieren können.
Offene Gewichte und Apache-2.0-Lizenz
Code und Modellgewichte lassen sich kostenlos herunterladen und nutzen, auch kommerziell. Es gibt keine gehostete API und keine Nutzungsrechnung, der einzige Aufwand ist die Maschine, auf der Sie es betreiben.
Vor- und Nachteile
Vorteile
- Schreibt echte SVG-Formen statt dichter Pfade, sodass Dateien kompakt und leicht zu bearbeiten bleiben.
- Offene Gewichte unter Apache 2.0 lassen sich lokal betreiben und sogar in ein Produkt einbauen.
- Nimmt sowohl Bilder als auch Beschreibungen entgegen und deckt damit Vektorisierung und Neuerzeugung ab.
- Stark bei Icons, Logos und Diagrammen, mit veröffentlichten Werten auf einem öffentlichen Benchmark.
- Das 1B-Modell bietet eine leichtere Option, wenn ein 8B-Checkpoint für Ihre GPU zu schwer ist.
Nachteile
- Schwach bei natürlichen Fotos und detaillierten Illustrationen, was das Team offen einräumt, sodass Sie es nicht auf jedes beliebige Bild loslassen und ein gutes Ergebnis erwarten können.
- Es gibt keine gehostete API und keine Ein-Klick-App, die Einrichtung erfordert Python und eine CUDA-GPU, was nicht-technische Nutzer ausschließt.
- Die Ausgabequalität schwankt je nach Bildtyp, daher brauchen Stapel mit gemischtem Inhalt weiterhin eine menschliche Kontrolle.
Häufige Fragen
Es wandelt Bilder in SVG-Code um und erzeugt SVG aus Text. Typische Einsätze sind das Umwandeln von Icons, Logos und Diagrammen in saubere, bearbeitbare Vektordateien oder das Erzeugen einfacher Formen aus einer schriftlichen Beschreibung.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu StarVector.
Alternativen zu StarVector
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
Tractionwave
TractionWave · Bilder · MarketingTractionWave erstellt per KI eine Aufmerksamkeits-Heatmap für statische Anzeigen. Sie laden ein PNG oder JPG hoch und bekommen prognostizierte Aufmerksamkeit, sortierte Hotspots und Korrekturen, bevor Budget fließt.
Imejis.io
Imejis.io · Bilder · MarketingImejis.io ist ein KI-Designstudio für Agenten und Marketingteams. Sie beschreiben ein Bild in eigenen Worten, und das Werkzeug schreibt den Text, baut das Layout, passt es an jedes Format an und exportiert die fertige Datei.