SketchDirector：通过智能体布局推理与细节细化绘制复杂场景草图

Hugging Face Daily Papers 2026/10/30 05:05 论文

agentic-framework scene-sketching diffusion-models llm-reasoning bezier-curves dataset

摘要

SketchDirector 是一个用于复杂场景草图生成的智能体框架，通过大语言模型将文本提示分解为矢量资产，基于自演化记忆进行迭代布局推理，并利用扩散先验优化细节，同时发布了 MCSketch8K 数据集以支持后续研究。

现有的草图生成方法通常依赖图像引导，且大多局限于单个物体或简化场景，对文本引导的复杂场景草图绘制探索不足。我们提出 SketchDirector，这是一种模拟人类草图绘制工作流程的智能体框架，用于自动绘制多概念场景草图。给定场景级文本提示，SketchDirector 首先利用大语言模型~(LLM) 将场景分解为多个草图素材，每个素材均由一组贝塞尔曲线表示。随后，智能体推理循环在自演化记忆的引导下，迭代规划并执行这些素材的空间布局。最后，细节优化模块利用扩散先验，在保留几何结构的同时提升草图质量。为支持多概念场景草图生成领域的未来研究与应用，我们还推出了 MCSketch8K 数据集，其中包含可编辑的矢量素材、组合布局以及物体级操控标注。大量实验表明，SketchDirector 在语义质量和构图质量方面优于当前最先进的基线方法，同时能够在细化过程中有效保留整体轮廓组织结构。项目主页为：https://yiki77.github.io/SketchDirector/{https://yiki77.github.io/SketchDirector/}。

查看原文

查看缓存全文

缓存时间: 2026/11/02 07:27

论文页面 - SketchDirector：通过智能体布局推理与细节优化绘制复杂场景草图

来源：https://huggingface.co/papers/2610.41260

摘要

SketchDirector 是一个智能体框架，可将文本提示分解为初步矢量素材，通过具有自进化记忆的迭代推理来安排这些素材的布局，并利用扩散先验优化细节，以绘制复杂场景草图.

现有的草图生成方法通常依赖图像引导，且主要局限于单个物体或简化场景，对文本引导的复杂场景草图绘制的探索仍不充分. 我们提出了 SketchDirector，这是一个智能体框架 (https://huggingface.co/papers?q=agentic%20framework)，它模仿人类的草图绘制工作流程，自动绘制多概念场景草图. 给定场景级文本提示后，SketchDirector 首先使用大语言模型 (https://huggingface.co/papers?q=large%20language%20model)~(LLM) 将场景分解为多个初步素材，每个素材均由一组贝塞尔曲线 (https://huggingface.co/papers?q=B%C3%A9zier%20curves) 表示. 随后，智能体推理循环在自进化记忆 (https://huggingface.co/papers?q=self-evolving%20memory) 的引导下，以迭代方式规划并执行这些素材的空间布局. 最后，细节优化模块利用扩散先验 (https://huggingface.co/papers?q=diffusion%20priors) 提升草图质量，同时保留几何结构. 为支持多概念场景草图生成 (https://huggingface.co/papers?q=multi-concept%20scene%20sketch%20generation) 领域的未来研究与应用，我们还推出了 MCSketch8K (https://huggingface.co/papers?q=MCSketch8K) 数据集，其中包含可编辑的矢量素材、组合布局以及物体级操作标注. 大量实验表明，SketchDirector 在语义和构图质量方面优于当前最先进的基线方法，同时在优化过程中有效保留整体轮廓组织结构. 项目页面为：https://yiki77.github.io/SketchDirector/{https://yiki77.github.io/SketchDirector/}.

查看 arXiv 页面 (https://arxiv.org/abs/2610.41260)查看 PDF (https://arxiv.org/pdf/2610.41260)项目页面 (https://yiki77.github.io/SketchDirector/)GitHub2 (https://github.com/GVCLab/SketchDirector)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.41260)

在你的智能体中获取这篇论文：

hf papers read 2610\.41260

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型0

没有模型链接到这篇论文

在模型的 README.md 中引用 arxiv.org/abs/2610.41260，即可从本页面链接到该模型.

引用这篇论文的数据集0

没有数据集链接到这篇论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.41260，即可从本页面链接到该数据集.

引用这篇论文的 Space0

没有 Space 链接到这篇论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.41260，即可从本页面链接到该 Space.

收录这篇论文的合集0

没有合集收录这篇论文

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从本页面链接到该合集.

相似文章

Scene-Designer：面向智能体式3D场景生成的设计智能学习

Hugging Face Daily Papers

Scene-Designer 提出了一个通过设计与批评双重经验学习设计智能的智能体框架，用于生成完整、连贯且可用的 3D 室内场景，并提出了 Critic 引导的 Scene-GRPO 方法，在物理有效性、功能正确性和布局连贯性方面取得了更优的性能。

@geekbb: 一套让 AI 画出"对且好看"的 draw 架构图的框架加命令行工具。靠真实 stencil 校验和自动布局，覆盖 AWS/Azure/GCP/Databricks/BPMN，专门治 AI 瞎编图形 ID 画出空白框的毛病。 https…

X AI KOLs Timeline

A framework and CLI tool that enables AI agents to generate structurally precise and aesthetically standardized draw.io diagrams for AWS, Azure, GCP, Databricks, and BPMN architectures, using real stencil validation and automatic layout to prevent hallucinated empty shapes.

FrameSketch

Product Hunt

FrameSketch 是一款工具，允许用户以60帧每秒的速度逐帧浏览视频并在上面绘制，支持零云端上传和客户端隐私保护，专为动画师、视觉特效艺术家和动态设计师设计。

@0xQiYan: 还在手动画架构图？拖来拖去改半天？收藏！今天必须安利这个skill——我最近装了个 `drawio-skill`，一句话就能生成专业图表，再也不用自己画了。它的逻辑特别简单：你只用说人话（比如“画一个交易系统架构图”），它直接给你生成…