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

该论文提出了一种通用的多模态生成模型，通过共享潜在空间将 2D 模态和隐式 3D 表示耦合在一起，实现了通过简单地传播来自特定 2D 控制模态的编辑，从而实现了多样化的 3D 生成和操作。

Jul, 2022

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

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

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

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

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

近年来，文本到三维形状生成领域经历了大量的工作和兴趣。这篇综述报告了驱动文本到三维形状生成的底层技术和方法，并对需要的监督数据类型进行了系统分类。最后，讨论了现有方法的局限性，并勾画了未来工作的有希望的方向。

Mar, 2024

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

使用单张草图图像自动生成详细的三维表示，通过多模态输入进行引导，无需大量训练样本。该解决方案可供领域专家交互式地重建丢失文物可能的外观。

Feb, 2024