本研究提出了基于手绘草图的突显性检测模型，并构建了一个基于 2D 关注机制的照片 - to - 草图生成模型，该模型可以从图像生成手绘草图，并且在定位显著物体方面表现优异。

Mar, 2023

本文提出了一种新的零样本基于草图的图像检索 (ZS-SBIR) 场景，该场景能够有效解决 ZS-SBIR 实际应用中常见的大领域差异和大规模检索问题，提供了一个全新的 ZS-SBIR 数据集 QuickDraw-Extended，采用了一种新策略来处理领域差异，同时集成了外部语义知识以帮助语义转换，实验表明该模型在现有数据集上表现优异，并提供训练代码和数据集以供未来研究使用。

Apr, 2019

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

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

本研究介绍了一种新的素描 - 照片对应基准，PSC6k，其中包含 125 个物体类别上 6250 个素描 - 照片对的 150K 注释，并提出了一种自监督方法，用于学习素描 - 照片对之间的密集对应关系，该方法在精细度和量化上优于其他基线模型，为开发实现更接近人类的不同抽象层次上的视觉图像理解的人工系统提供了有希望的道路。

Jul, 2023

本文提出了第一种基于笔画级别的速写抽象模型，并通过强化学习训练了一个笔画去除策略，该模型能够用于各种速写分析任务，包括建模笔画显著性、合成具有可变抽象度的速写以及使用仅照片训练细粒度速写检索模型。

Apr, 2018

通过 SEVA 数据集，对视觉算法进行评估，探索模拟人类视觉抽象能力的模型在生成任务中的潜力，以促进实现增强人类类似的视觉抽象能力的算法的进展。

Dec, 2023

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

该研究探讨了使用无标签数据来改善基于素描的模型的方法，通过对 VAE 和半监督 VAE 的变化进行评估，并提出了 BYOL 的扩展来处理素描，结果表明 sketch-BYOL 的效果优于其他自监督方法，提高了已知和未知类别的检索性能。此外，我们还展示了其他任务如何受益于我们的实现。

Apr, 2022