star-vector

环境要求

• Python 3.11.3（README 使用 conda 指定该版本）
• 已安装 conda（用于创建虚拟环境）
• 支持 CUDA 的 GPU（示例代码调用 starvector.cuda()）
• 可访问 Hugging Face 下载模型权重 starvector/starvector-8b-im2svg
• pip 可用并能执行 pip install -e . 本地安装

安装与启动步骤

1. 1克隆仓库

   把 star-vector 仓库下载到本地，并进入项目根目录，后续所有命令都在该目录执行。

   git clone https://github.com/joanrod/star-vector.git
   cd star-vector

   复制

2. 2创建并激活环境

   用 conda 新建名为 starvector 的环境，Python 版本按 README 固定为 3.11.3，然后激活。

   conda create -n starvector python=3.11.3 -y
   conda activate starvector

   复制

3. 3升级 pip 并安装包

   先升级 pip 以支持 PEP 660，再用可编辑模式安装 star-vector 本体。在项目根目录执行。

   pip install --upgrade pip
   pip install -e .

   复制

4. 4安装训练依赖

   如需训练或确认依赖完整，安装可选的 train 附加依赖组；README 的依赖确认部分也使用该命令。

   pip install -e ".[train]"

   复制

5. 5运行图生 SVG 示例

   保存为脚本运行：加载模型并转 cuda，读取示例图片生成 SVG，再栅格化输出。首次运行会下载模型权重，耗时较长。

   from PIL import Image
   from starvector.model.starvector_arch import StarVectorForCausalLM
   from starvector.data.util import process_and_rasterize_svg
   
   model_name = "starvector/starvector-8b-im2svg"
   
   starvector = StarVectorForCausalLM.from_pretrained(model_name)
   
   starvector.cuda()
   starvector.eval()
   
   image_pil = Image.open('assets/examples/sample-0.png')
   image = starvector.process_images([image_pil])[0].cuda()
   batch = {"image": image}
   
   raw_svg = starvector.generate_im2svg(batch, max_length=1000)[0]
   svg, raster_image = process_and_rasterize_svg(raw_svg)

   复制

关键配置

如何确认成功

示例脚本能跑完不报错，得到 raw_svg 字符串，并且 process_and_rasterize_svg 返回可用的 svg 与栅格化图像。

常见问题

注意事项

• Python 版本按 README 固定为 3.11.3，不要随意更换。
• 必须先 conda activate starvector，否则会装到 base 环境。
• pip install -e . 需在克隆后的 star-vector 目录内执行。
• 示例图片使用仓库内的 assets/examples/sample-0.png，请勿改动相对路径。