Sketchhair 是一项基于深度学习技术的 3D 头发交互建模工具，它使用两个精心设计的神经网络（S2ONet 和 O2VNet）将用户手绘的草图转换为 3D 头发模型，还支持使用附加草图进行头发编辑。

Aug, 2019

本文提出一种新颖的基于素描的面部图像编辑系统，它利用了用户的少量素描笔画，有几何和颜色约束，支持粘贴模式和实时交互，并建立在基于新颖的素描领域和卷积神经网络之上，从而将图像完成和图像翻译两个任务结合在一起，十分成功。

Apr, 2018

我们提出了一种数据驱动方法，利用卷积神经网络 (CNN) 从一个或多个涂鸦中学习重建 3D 形状，为用户提供最初的 3D 重建并可以通过应用更新器 CNN 来迭代更新和融合多视角信息，从而实现自由的位图创作和多视角草图建模之间的连续转换。

Jul, 2017

AR/VR 发展迅速，对 3D 内容需求巨大。本研究提出一种基于手绘草图的 3D 建模方法，使用单个手绘草图生成高保真内容，无需多个视图或步骤。采用端到端方法，引入轻量级生成网络和结构感知对抗训练，并通过 Stroke Enhancement Module（SEM）捕捉结构信息，提升性能。实验证明该方法在合成和真实数据集上具有最先进的性能。

Sep, 2023

该论文利用深度神经网络将面部素描图像还原为照片级真实面部图像，采用半模拟数据集和深度学习技术，包括批处理规范化、深层残差学习、感知损失和随机优化。最后，通过艺术和犯罪学示例，展示了该方法的应用潜力。

Jun, 2016

本文介绍了 SketchMetaFace 系统，它为业余用户提供了一个快速建立逼真立体脸部的草图系统，使用了曲率感知笔画以及一种名为 “显式深度引导网格建模” 的新学习方法，通过数据驱动的笔画建议工具和分阶段标注接口设计增强了系统的可用性，并通过用户研究和实验分析验证其优越性。

Jul, 2023

本研究提出了一种名为 SketchBodyNet 的基于手绘草图的多方面解码网络，用于从手绘草图中重建 3D 人体网格模型，实验证明该方法在从手绘草图中重建 3D 人体网格方面取得了优异的性能。

Oct, 2023

通过一张照片和概念草图，我们民主化了漫画生成，使个体能够轻松地制作个性化的漫画。通过明确的排名 - 1 模型编辑和单一图像个性化，我们在交叉注意力层中有选择地应用细微的编辑，实现身份和风格的无缝融合。此外，我们提出了随机遮罩重建来增强鲁棒性，使模型专注于独特的身份和风格特征。重要的是，我们的目标是消除艺术门槛，让爱好者参与到艺术创作中。

Dec, 2023

DeepFacePencil 是一种有效的工具，可以基于新颖的双生成器图像翻译网络和新颖的空间注意池设计来自动处理手绘草图的空间变形并支持不同的笔画风格和不同级别的细节，从而生成逼真的面部图像。

Aug, 2020

本研究提出了一种基于卷积网络的方法，实现将人脸照片转化为面部素描，并添加判别性正则化项提高生成的人物素描的可辨识度，该方法在多项基准测试中表现优于其他当前最先进方法。

Jan, 2015