深度素描抽象学习

CVPRApr, 2018

Learning Deep Sketch Abstraction

Umar Riaz Muhammad, Yongxin Yang, Yi-Zhe Song, Tao Xiang, Timothy M. Hospedales

TL;DR本文提出了第一种基于笔画级别的速写抽象模型，并通过强化学习训练了一个笔画去除策略，该模型能够用于各种速写分析任务，包括建模笔画显著性、合成具有可变抽象度的速写以及使用仅照片训练细粒度速写检索模型。

Abstract

Human free-hand sketches have been studied in various contexts including sketch recognition, synthesis and fine-grained sketch-based image retrieval (FG-SBIR). A fundamental challenge for sketch analysis is to deal with drastically different human drawing styles, particularly in terms

sketch analysis sketch abstraction stroke-level fine-grained sbir reinforcement learning

发现论文，激发创造

深度分解反素描技术

本文针对人类无限制手绘素描建模，尝试将图标式手绘转化为更几何实际的物体轮廓，并分离显著的特征细节，以实现更好的对象匹配，最终提出了一种基于无监督图像风格转移模型的深度 FG-SBIR 模型，通过定量和定性评估，证明了其在风格转移和 FG-SBIR 方面优于现有方法。

Aug, 2018

具有显式抽象控制的有条件人类草图合成

本文提出了一种新颖的自由手绘合成方法，其中包含针对有条件类和照片转素描合成的显式抽象控制。

Jun, 2023

如何在基于草图的图像检索中处理草图抽象化？

我们提出了一种新颖的抽象感知的基于草图的图像检索框架，能够处理不同级别的草图抽象。通过学习抽象感知特征和粒度级别的抽象理解，我们的方法在标准的草图 - 图像检索任务以及早期检索、法医草图 - 照片匹配和风格不变检索等具有挑战性的场景中表现出色。

Mar, 2024

即兴精细草图检索

本文通过优化基于细粒度素描的图像检索方法，使用增强学习及跨模态检索框架实现检索效率的提升与最少笔画查询目标图像的目标，是一种有效的搜索框架。

Feb, 2020

自主深度学习手绘图像表征

本研究解决了手绘图像自监督表征学习的问题，提出了一种针对手绘图像的特定预处理任务和文本卷积网络的双分支架构，通过在百万级手绘图像数据集上进行的两个应用方法来证明该方法明显优于现有的无监督表征学习方法，并显著缩小了与监督表征学习之间的性能差距。

Feb, 2020

SEVA: 利用素描评估人类与机器视觉抽象之间的对齐

通过 SEVA 数据集，对视觉算法进行评估，探索模拟人类视觉抽象能力的模型在生成任务中的潜力，以促进实现增强人类类似的视觉抽象能力的算法的进展。

Dec, 2023

使用简单基元抽象素描

该研究提出了基于原语的素描抽象任务，通过 Primitive-Matching Network（PMN）学习解释性抽象，将每个笔画映射到其最相似的原语，并实现了用于笔画识别的最高性能和高度可解释性的 PMN 抽象。

Jul, 2022

从抽象草图生成照片般逼真的图像

文章提出了一种通过 decoder 使用 StyleGAN 训练生成更加真实的照片，并且通过 autoregressive sketch mapper 和 fine-grained discriminative loss 处理手绘人类草图，实现草图到照片的转化；实验结果展示了其可行性和有效性，同时通过草图检索出生成的照片实现了在草图界的突破。

Mar, 2023

面向细粒度素描图像检索的主动学习

我们提出了一种新颖的主动学习采样技术，极大地减少了绘制图片素描的需求，通过利用现有照片 - 素描对与没有自己素描的照片之间的关系，并增强这种关系与其中间表示之间的关联，有效平衡不确定性和多样性，在细粒度的基于素描的图像检索任务中，验证了我们的方法并证明其优越性。

Sep, 2023

自由手图的深度学习：一项调查

本文全面调查了深度学习技术在手绘素材上的应用，主要内容包括手绘素材的特征与城市挑战、现有数据集、研究主题和最新方法的详细分类和实验评估、以及未来研究的障碍、问题和潜在方向。

Jan, 2020