该论文提出了一种将 2D 图像曲线组合成 3D 曲线集合，构建具有拓扑连接性的 3D 图形的方法，以实现对 3D 场景的结构化表示和重建。

Sep, 2016

本论文介绍了一种从三维形状中生成艺术风格化线条图案的模型，其输入为三维形状及视角，输出为带有纹理笔触的绘画，包括笔画粗细、变形和颜色，可以从艺术家的风格中学习。该模型是全可微分的，并训练其参数来自三维形状的单个训练图形。相对于之前基于图像的方法，使用 3D 形状和 2D 笔画的几何表达方式允许模型传输形状和纹理风格的重要方面，同时保留轮廓。我们的方法以向量表示形成的绘画，可用于交互式应用中的更丰富后续分析或编辑。

Oct, 2021

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

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

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

本文提出了一种基于草图的 CAD 建模系统，通过深度神经网络对 CAD 操作进行识别，以解决解析二维草图模糊不清的问题，并使用合成的 CAD 操作序列进行训练。实验表明，该系统可以快速创建各种不同的对象，是一种与现有 CAD 建模系统交互的替代方式。

Sep, 2020

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

我们提出了 3Dooole，能够生成描述性和视角一致的草图图像，基于一组 3D 笔画能够有效地表示 3D 结构信息并渲染视角一致的 2D 草图。

Feb, 2024

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

通过挖掘遮挡推理的方式，运用曲面拟合算法，将 3D 绘制曲线转化为曲面，以构建有结构的 3D 重建场景。

Jul, 2017