基于神经吸引场的体素线框分析
该论文提出了一种快速和简约的解析方法，用于在输入图像中通过单个前向传递准确和稳健地检测矢量化线框。提出的方法是端到端可训练的，包括三个组件：线段和节点提议生成，线段和节点匹配以及线段和节点验证，成为 Holistically-Attracted Wireframe Parser
Mar, 2020
该论文提出了一种从单个图像中获取紧凑且精确的 3D 线框表示的方法，通过有效地利用全局结构规律，该方法训练卷积神经网络以同时检测显著的交叉点和直线，并预测它们的 3D 深度和消失点，并通过平行结构先验进一步重构完整的 3D 线框模型。
May, 2019
本文提出了一种基于学习的方法，用于自动提取混乱人造环境图像的线框表示，并构建了一个非常大的新数据集，并提出了两个适用于提取接头和直线的卷积神经网络，取得了明显优于现有方法的性能。
Jul, 2020
利用线云和 Line-Patch Transformer 算法，从多视图图像中提取的 3D 线段，生成建筑物结构线框的三维模型，并与多个基线建筑重建方法进行对比，以此验证本研究提出的方法的有效性。
Aug, 2022
本文通过对三平面离散数据结构进行处理，展示了该结构具有丰富的信息，可以通过标准深度学习模型进行有效处理，并在处理过程中实现了与处理显式表示结构相当的任务性能，同时保持了相同的重建质量。
Oct, 2023
该研究介绍了一种新的基于数据驱动的面部识别方法，使用 Transformer 模型预测与同一面相关联的边，从而解决了在计算机辅助设计 (CAD) 系统中，使用 2D 线条图来呈现 3D 对象设计而出现的挑战。
Mar, 2022
本研究提出一种混合体元素模型（MVP），它将体元素和点渲染结合了起来，实现了体和点渲染相结合的性能，同时支持相应和跟踪约束，并在细节、透明度和几何变化等方面具有鲁棒性。大量实验证明了该方法的质量和运行时间性能优于现有技术。
Mar, 2021
本文提出了一种简单有效的算法来检测给定图像中的线框，并直接输出包含语义方面有意义和几何上突出的交汇点和直线的向量化线框，此方法可以进行端到端的训练，相比以往的方法具有更好的表现。
May, 2019
本文提出了一种基于结构 - 外观联合表示的模型，可以从线框模型生成室内场景的真实感渲染图像，并在实验中表明，本文所提出的模型比现有技术在生成图像的视觉效果和结构完整性方面均表现出了显著的优势。
Dec, 2019
该论文提出了一种基于神经网络和多边形表示的语义平面检测方法，可用于解决房间布局估计任务，通过线和交点等特征生成无向图，从中获得所求平面的多边形表示，实验结果表明该基于图的方法在使用合成线框检测时超越了当今最先进的方法，表现出很大的潜力。
Jun, 2023