unisvg-processed-baseline

# UniSVG Processed Baseline UniSVG 数据集经过 flatten → Inkscape plain export → clean → render → len8k 过滤后的 processed baseline 数据。 ## 数据统计 | Split | 数量 | |-------|------| | train | 324,000 | | test | 899 | ## 处理流程 1. **Step 1 (flat_ink_clean)**: 原始 UniSVG ISVGEN 数据 → flatten 到 320×320 → Inkscape plain SVG export → 清理属性/命名空间 → CairoSVG 渲染 PNG → 过滤空白图像 2. **Step 2 (len8k_filter)**: 过滤 SVG 文本 > 8000 字符的样本（train + test 均过滤） ## 文件说明 | 文件 | 说明 | |------|------| | `train.json` | 训练集，324,000 条记录 | | `test.json` | 测试集，899 条记录 | | `png.tar.gz` | 渲染后的 320×320 白底 PNG 图像（343,807 张，含过滤前全量） | | `_summary.json` | 过滤统计摘要 | ## 记录格式 ```json { "type": "ISVGEN", "q_text": "Write the SVG code for the icon based on this image: \n<image>", "a_text": "<svg xmlns=\"...\" viewBox=\"0 0 320 320\">\n <path .../>\n</svg>", "image_path": "30970_Icon_of_Other.png", "keywords": {}, "uid": "30970_Icon_of_Other", "src_split": "train", "n_paths": 10, "len_chars": 1875, "non_white_ratio": 0.0536 } ``` ## SVG 数据规范 - viewBox: `0 0 320 320` - 坐标精度: 1 位小数 - 无杂项属性 (无 filling/stroke-opacity/width/height/id/inkscape 命名空间) - 无 XML prolog / DOCTYPE / defs - PNG: 白底 320×320, non_white_ratio ≥ 0.2% - 文本长度: len_chars ≤ 8000 ## 使用方法 ```bash # 解压 PNG tar xzf png.tar.gz # PNG 文件在 png/ 目录下，通过 image_path 字段引用 ``` ## 来源 - 原始数据: [lili24/UniSVG](https://huggingface.co/datasets/lili24/UniSVG) - 处理工具: Inkscape 1.4.3, CairoSVG, svgelements