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

本研究开发了一种有限元分析的替代模型，可以准确、高效地预测不考虑复杂几何形状和边界条件下的动脉壁应力应变场。

Aug, 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

通过应力诱导双折射，光弹性能使透明物体的压力分析变得全场，但现有技术只限于二维切片且需要对物体进行破坏性切割。我们引入了 NeST，这是一种通过极化测量从神经隐式表示重建三维应力张量场的分析合成方法。我们的关键见解是使用基于琼斯计算的可微分正向模型共同处理相位展开和张量层析成像。我们开发了一个实验性的多轴偏振仪设置来捕捉三维光弹性，并在实验中展示了 NeST 对具有不同形状和受力条件的物体内部应力分布的重建。此外，我们展示了应力分析中的新颖应用，例如通过虚拟切割物体来可视化光弹性条纹并从未见过的视角观察光弹性条纹。NeST 为可扩展的非破坏性三维光弹性分析铺平了道路。

Jun, 2024

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

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

本文介绍了一种新的手绘草图美化方法，该方法通过将输入草图解析为语义组件，基于零件级隐式流形学习部分美化模块进行独立部分的美化，然后通过结构美化模块重新组装美化后的组件，从而超越训练样本，处理新颖的手绘草图。

Jun, 2023

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

本文提出了一种基于概率采样和密度图的方法，利用草图图像重新构建 3D 形状，实验结果表明该方法比其他基准方法要好。

Aug, 2022

在工业产品设计中，计算机辅助设计（CAD）草图的设计和分析起着关键作用，主要涉及 CAD 基元及其基元约束。为了解决自回归模型中误差累积和自我监督模型设计的复杂性带来的挑战，我们提出了一个两阶段网络框架。该框架由基元网络和约束网络组成，将草图分析任务转化为一个集合预测问题，以加强对基元和约束的有效处理。通过将目标类型与参数解耦，该模型在减少复杂性的同时增加了灵活性和优化。此外，约束网络还结合了指针模块，明确指示约束参数和基元索引之间的关系，提高了可解释性和性能。对两个公开可用的数据集进行的定性和定量分析证明了该方法的优越性。

Jun, 2024