一种从 2D 线描图中重建三维形状的方法，采用深度编码器 - 解码器网络将线描图转换为点云，通过多视角深度图和法线图的融合优化得到点云，在维持拓补和形状结构的同时比容积网络具有更高的重建精度和输出表面分辨率。

Jul, 2017

研究了从手绘草图重建立体物体的挑战，提出了数据生成和标准化机制，并对各种风格的手绘草图进行了广泛实验，进一步增强了草图在交互设计和 VR/AR 游戏等 3D 相关应用中的能力。

Jun, 2020

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

本文提出了基于观点控制生成的方法，旨在解决单个手绘素描生成三维网格的问题，从而帮助初学者快速地进行三维建模。实验表明，该方法可以有效地提高重建质量，并帮助解决手绘素描的模糊问题。

May, 2021

本文介绍了一种新颖的 3D 重建方法，利用视觉转换器从单一线框图中预测 “场景描述符”，该描述符包含了关键信息，如物体类型、位置、旋转和大小参数，通过使用类似 Blender 或 Rhino Grasshopper 的可编程界面的 3D 建模软件，可以用预测的参数重建 3D 场景，得到易于编辑的精细 3D 模型。实验结果表明，该模型能够准确地重建简单场景，但在复杂场景中存在挑战。

Sep, 2023

该研究旨在探索利用虚拟现实草图作为 3D 模型生成网络的条件模态之一，通过使用多模态 3D 形状表示和实现物理合理性的方法，在模型训练过程中采用特定的损失函数以生成遵循输入草图结构的多个 3D 模型的问题。

Jun, 2023

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

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

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

This paper explores the use of pre-trained models and synthetic renderings to generate 3D shapes from sketches without the need for paired datasets, demonstrating the effectiveness of the approach for generating multiple 3D shapes per input sketch regardless of their level of abstraction.

Jul, 2023