Nov, 2022

使用深度学习与计算机视觉从草图生成完整的全栈网站和应用程序的骨架代码

PDF
TL;DR本篇论文探讨了使用深度学习和计算机视觉技术从手绘图像生成 Web 应用程序的骨架代码的新方法，以提高全栈网站开发的效率。
发现论文，激发创造
  • Sketch2code: 从手稿模型生成网站

    本文提出了两种途径以自动化用户界面模板代码开发，一种是使用传统的计算机视觉技术，另一种则运用深度语义分割网络的新应用。通过我们设计的新评估框架的评估表明，我们的深度学习方法优于传统的计算机视觉方法，我们得出结论：深度学习是未来研究的最有前途的方向。

    May, 2019

  • 实时使用深度神经网络将草图转换为 UI

    使用深度神经网络从 UI 草图中检测 UI 元素并生成平台无关的 UI 表现形式，进而使用 UI 解析器创建多平台 UI 原型，从而加速 UI 原型开发（平均时间：129 毫秒）。

    Oct, 2019

  • pix2code：从图形用户界面截图生成代码

    本研究使用深度学习方法，基于单个输入图像，在三个不同平台（即 iOS、Android 和基于 web 的技术）中以超过 77% 的精度自动生成代码。

    May, 2017

  • DeepSketch2Face：一种基于深度学习的 3D 人脸和卡通肖像建模草图系统

    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

  • Deep3DSketch+: 从单个手绘草图快速进行三维建模

    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

  • 快速概念设计探索与原型制作：基于生成人工智能的 Sketch2Prototype

    Sketch2Prototype 是一个基于人工智能的框架，通过手绘草图到文本、文本到图像、图像到 3D 的转换过程，快速生成文本、图像和 3D 模型，用于提升早期设计阶段的探索。研究表明，使用文本作为中间模态可以比直接将草图转换为 3D 模型的基准方法产生更加多样且可制造的 3D 模型。同时，发现了现有图像到 3D 技术的局限性，并强调了文本模态在用户反馈和迭代设计中的价值。

    Mar, 2024

  • 基于素描的照片分类器生成

    通过从用户的自由手绘草图中综合图像分类器，我们通过训练模型回归网络将自由手绘草图空间映射到照片分类器空间，从而实现了新类别的照片分类器的综合。同时，此方法还可以用作现有照片分类器粒度的增强方法，或作为基于名称零样本学习的补充。

    Apr, 2018

  • SketchCleanNet—— 一种基于深度学习的查询草图增强和校正方法，用于 3D CAD 模型检索系统

    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

  • FaceShop：基于深度素描的人脸图像编辑

    本文提出一种新颖的基于素描的面部图像编辑系统，它利用了用户的少量素描笔画，有几何和颜色约束，支持粘贴模式和实时交互，并建立在基于新颖的素描领域和卷积神经网络之上，从而将图像完成和图像翻译两个任务结合在一起，十分成功。

    Apr, 2018

  • 从 BDD 测试用例规范生成代码：愿景

    使用基于机器学习和人工智能的方法来生成 Angular 框架的前端组件代码，重点关注自动化代码生成、开发效率提升、软件质量提高等研究问题。

    May, 2023