最新

我一直在进行一个项目，旨在弥合人工智能生成与我的AxiDraw之间的差距，我认为我终于找到了一个可以避免常见麻烦的工作流程。 如果你尝试过绘制AI生成的图像，你可能知道其中的困难：通用的追踪工具（如Potrace）只追踪线条的<i>轮廓</i>，导致出现双重笔画，破坏了视觉效果，并且绘制时间翻倍。 我之前尝试过的方式： - Potrace / Inkscape Trace：对于填充形状效果很好，但对于线条艺术则产生“空心”线条。 - Canny边缘检测：通常过于杂乱；它会拾取噪声并产生抖动的路径。 - 标准SDXL：在几何一致性方面表现不佳，常常断线或产生幻觉透视。 - 一堆声称是txt2svg的项目，但在笔绘制方面产生的结果极差。（如Chat2SVG、StarVector、OmniSVG、DeepSVG、SVG-VAE、VectorFusion、DiffSketcher、SVGDreamer、SVGDreamer++、NeuralSVG、SVGFusion、VectorWeaver、SwiftSketch、CLIPasso、CLIPDraw、InternSVG） 我的方法： 我最终编写了一个Python工具，结合了几种特定技术，以获得真正的“中心线”矢量： 1. 提示工程：一个大型语言模型（LLM）重写提示，以强制执行针对生成器优化的“技术绘图”风格。 2. 生成：我使用Flux.2-dev（4位）。它在保持直线和一致几何方面似乎显著优于SDXL。 3. 骨架化：这是关键部分。与其追踪轮廓，我使用Lee的方法（通过scikit-image）将图像腐蚀到1像素宽的骨架。这恢复了实际的笔画路径。 4. 图形转换：将像素骨架转换为图形，以识别节点和边缘，修剪小的伪影/噪声。 5. 优化：最后，我将其输入vpype，以合并段落并对路径进行排序（TSP），以避免绘图时的频繁跳动。 你可以在Github仓库中的示例中查看结果： [https://github.com/malvarezcastillo/txt2plotter](https://github.com/malvarezcastillo/txt2plotter) 该项目目前相对简单，但产生的结果优于我测试过的其他选项，因此我决定发布它。我对实现更好的前/后处理、基于API的生成以及识别交叉阴影的形状感兴趣。