神经轮廓:从 3D 形状中学习绘制线条
本论文介绍了一种从三维形状中生成艺术风格化线条图案的模型,其输入为三维形状及视角,输出为带有纹理笔触的绘画,包括笔画粗细、变形和颜色,可以从艺术家的风格中学习。该模型是全可微分的,并训练其参数来自三维形状的单个训练图形。相对于之前基于图像的方法,使用 3D 形状和 2D 笔画的几何表达方式允许模型传输形状和纹理风格的重要方面,同时保留轮廓。我们的方法以向量表示形成的绘画,可用于交互式应用中的更丰富后续分析或编辑。
Oct, 2021
本文提出了一种基于学习的方法,采用新的数据集进行轮廓图的生成和处理,可以精确定位视觉场景的轮廓和边界,相对于传统的边界检测方法有更好的性能表现,并且在 BSDS500 上取得了最新的性能成果。
Jan, 2019
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
本文介绍了一种民主化的三维内容创作方法,能够通过抽象的草图精确生成三维形状,同时克服与绘画技巧相关的限制。我们引入了一种新颖的部分水平建模和对齐框架,促进了抽象建模和跨模式对应关系。利用相同的部分水平解码器,我们的方法能够无缝地扩展到草图建模,通过建立 CLIPasso 边缘地图和投影的三维部分区域之间的对应关系,消除了人类草图和三维形状配对数据集的需求。此外,我们的方法通过交叉模式的部分对齐建模产生了一种无缝的位置调整过程。在低维隐含空间中运作,我们的方法显著降低了计算需求和处理时间。
Dec, 2023
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
本研究提出了一种基于深度学习的素描系统用于 3D 人脸和漫画建模,它具有省力且自由的手绘界面,并支持基于手势的用户交互。
Jun, 2017
该研究介绍了一种新的基于数据驱动的面部识别方法,使用 Transformer 模型预测与同一面相关联的边,从而解决了在计算机辅助设计 (CAD) 系统中,使用 2D 线条图来呈现 3D 对象设计而出现的挑战。
Mar, 2022
我们提出了 3Dooole,能够生成描述性和视角一致的草图图像,基于一组 3D 笔画能够有效地表示 3D 结构信息并渲染视角一致的 2D 草图。
Feb, 2024