提出了基于 Transformer 的 CAD 生成模型，能够自动编码和随机生成 3D 形状，为此创建了一个包含 178,238 个模型的 CAD 数据集，并公开该数据集以促进未来的研究。

May, 2021

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

使用基于变换器架构的生成模型 SketchGen 来处理计算机辅助设计中基本段和约束的异构性问题，并证明其在生成完整标志和预测给定图案的约束方面明显优于目前的状态 - of-the-art 模型。

Jun, 2021

本文介绍了一种机器学习模型，该模型能够自动生成 CAD 模型中最具挑战性的 2D 草图，并为开发可帮助工程师更轻松创建更好的设计的智能工具铺平了道路。该方法结合了通用语言模型技术和现成的数据序列化协议，适应了领域的复杂性，并在无条件合成和图像转换为草图方面表现出良好的性能。

May, 2021

通过借鉴现有模型的背景和启示，我们提出了一种交互式的草图设计系统，其中用户可以通过预制的 3D 模型部件组成来探索不同的设计组合。运用预先学习的基于零件的上下文信息，使用户能够快速探索不同的组合方式，从而高效地设计新的变体。

Dec, 2012

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

本文提出一种基于编码器 / 解码器架构利用用户界面提供的相机参数对手绘或合成草图进行转换，将草图转化成三维网格并进行图形重塑的方法，并表明该方法易于部署，对样式变化具有鲁棒性和高效性，且具备单笔画进行形状精细化的能力。和目前最先进的方法相比，我们表现更好。

Apr, 2021

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

计算机辅助设计（CAD）模型生成是一项重要任务，提出了一种利用卷积神经网络、多视角池化和基于转换器的 CAD 序列生成器的网络架构，通过大量的模拟输入图片进行训练和优化，成功地从测试图像数据重建有效的 CAD 模型，并表明该网络的一些能力可以迁移到实际照片领域，然而目前可行的模型复杂度仍然受限于基本形状。

Sep, 2023