本文主要介绍了一种基于深度学习的方法来清理和增强三维 CAD 模型的手绘查询草图，从而改善搜索引擎的结果。结果表明，使用这种方法可以获得更好的搜索结果。
Jul, 2022
本文提出了一个用手绘素描进行物体检测的解决方案，通过提出跨模态注意机制，引导区域建议网络生成物体建议，从而在基于快速绘图的查询中定位物体，且方法鲁棒性强，且适用于多个物体实例的定位。
Aug, 2020
本文利用强化学习设计了一种画笔子集选择器，用于减少噪声干扰，提高图片检索的效率，相比现有算法有了 8%-10% 的性能提升，成为了业内的新标杆，并且展示了该选择器可以用于多种人工智能应用中。
Mar, 2022
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
本文介绍了一个基于文本及草图的图像检索模型，该模型称为 “TASK-former”，并采用了类似于 CLIP 的融合编码器的方法，众多实验表明，使用草图可以明显提高图像检索的召回率。
Aug, 2022
通过训练模型产生图像素描，本文探究图像表示的特性，并表明其在 few-shot 学习中具有信息嵌入的能力、结构和复合性。
通过揭示素描在扩散模型中的潜力，解决了生成人工智能直接素描控制的虚假承诺。我们巧妙地实现了专业素描生成精确图片的民主化过程，证实现有模型变形的空间限制性问题。为了纠正这个问题，我们提出了一种意识到抽象的框架，利用素描适配器，自适应时间步骤采样和经过预训练的精细化素描图像检索模型的辨别引导，协同工作以加强细粒度素描照片关联性。我们的方法在推理过程中无缝运行，无需文本提示；一张简单的草图就像你和我都可以创建的草图一样，就足够了！我们欢迎大家查看论文及其附加资料中展示的结果。贡献包括专业素描生成的民主化控制、引入意识到抽象的框架和利用辨别引导，通过大量实验证实。
Mar, 2024
该研究提出了一个基于 Siamese 卷积神经网络的方法，将一个 2D 的手绘草图转换为一个 3D 模型，并相比其他先进方法取得了更好的效果。
Apr, 2015
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。
本论文中，我们介绍了一种使用自然语言输入生成矢量手绘素描的创新算法 DiffSketcher，并使用预训练的图像扩散模型进行开发。
Jun, 2023