توفر التوليد البصري القائم على تمثيلات نموذج الأساس البصري (VFM) مسارًا موحدًا وواعدًا للغاية لدمج الفهم البصري والإدراك والتوليد. وعلى الرغم من هذا الاحتمال، لا يزال تدريب نماذج التوليد التصوري الكبيرة من النص إلى الصورة بالكامل داخل فضاء تمثيلات VFM مجالًا غير مستكشف إلى حد كبير. ولسد هذه الفجوة، نُعدّل إطار SVG (تمثيلات ذاتية التدريب للتوظيف البصري)، ونُقدّم SVG-T2I لدعم التوليد عالي الجودة من النص إلى الصورة مباشرةً في مجال ميزات VFM. وباستخدام نموذج تدفق توليد النص إلى الصورة القياسي، يحقق SVG-T2I أداءً تنافسيًا، حيث يصل إلى 0.75 في GenEval و85.78 في DPG-Bench. ويؤكد هذا الأداء على القوة التمثيلية الجوهرية لـ VFMs في المهام التوليدية. ونُفصح تمامًا عن المشروع، بما في ذلك المُشفّر التلقائي ونموذج التوليد، جنبًا إلى جنب مع خطوط التدريب والاستدلال وتقييم الأداء، بالإضافة إلى الوزن المُدرّب مسبقًا، لتمكين الأبحاث المستقبلية في مجال التوليد البصري القائم على التمثيل.