LottieGPT：让AI学会生成矢量动画的新突破

研究团队首次实现了矢量动画的自回归生成，通过定制化分词器和66万动画数据集，让多模态模型能够直接生成可编辑的Lottie动画，填补了矢量动画生成领域的空白。

近年来AI在视频生成领域进展显著，但矢量动画生成长期被忽视。矢量动画具有分辨率无关、文件紧凑、可编辑等优势，却因结构化复杂（分层几何图元、层级关系）、时间参数化（关键帧插值）、可编辑性要求、序列长度挑战等，现有模型无法合成。设计师仍需手动创建或依赖模板，制约创意与大规模应用。

选择Lottie（Airbnb开源JSON格式，跨平台、语义丰富、生态完善）作为目标格式。设计结构感知的Lottie Tokenizer：几何图元编码（贝塞尔曲线参数化）、变换矩阵压缩、关键帧表示（时间戳-属性对）、层级结构保留、语义对齐，序列长度减少一个数量级。基于Qwen-VL微调得到LottieGPT，支持文本/图像到动画生成、多模态提示，输出标准Lottie文件可编辑。

构建LottieAnimation-660K数据集：66万真实Lottie动画、1500万静态图，来源多样且经过质量控制。实验结果：分词器比基线减少90%序列长度且保真；生成动画在视觉质量、连贯性、符合提示度获高分；泛化不同风格；SVG生成超SOTA；输出可被主流工具编辑。

应用场景包括：设计师助手（快速生成原型）、个性化内容（非专业用户定制动画）、程序化生成（游戏/UI动态内容）、动画教育（学习工具）、无障碍设计（视障用户通过文本创作）。

局限：复杂角色动画、精细物理模拟生成质量待提升；长动画连贯性不足；细粒度控制欠缺。未来方向：混合扩散与自回归架构；交互式编辑界面；扩展到SVGA/Rive等格式；探索视频到矢量动画转换。