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

本文首次研究了无监督的手绘草图到照片的合成，提出了一种两阶段翻译任务的方法，添加自监督去噪目标和注意力模块以处理抽象和风格差异，生成的图片忠实于草图且逼真的，并可实现基于草图的图像检索和捕捉人类视觉感知。

Sep, 2019

历史建筑的 3D 模型重建是一个有意义且具有里程碑意义的人类文化遗产。使用神经渲染方法基于档案照片实现仅基于照片恢复 3D 形状的任务具有显著挑战，但我们提出了一种利用体渲染技术重建历史建筑几何的方法，利用密集点云作为几何先验，并引入颜色外观嵌入损失来恢复建筑的颜色。此外，我们还介绍了一个匈牙利国家剧院的历史数据集，为重建方法提供了新的基准。

Nov, 2023

该论文提出了一个基于 GAN 框架的新方法，用于从简笔画和风格参考图像中合成带有颜色和纹理的详细艺术风格图像；该方法采用了双重遮罩机制、特征映射转换技术以及反实例标准化过程等模块，以增强风格一致性和内容约束，并取得了显著的合成性能提升。

Feb, 2020

本研究提出了一种基于参考图像的自动着色任务的方法，使用几何失真的相同图像作为虚拟参考，以保证着色输出图像的基本真实性和密集语义对应关系，在内部注意机制中利用密集语义对应关系实现了颜色从参考到草图输入的转换，并在定量和定性评估中展示了该方法的有效性。

May, 2020

本文的研究目的是从单个图像中推断出物体的三维形状，为了实现这一目标，本文使用雕塑作为实验数据集，并基于多视角几何（MVG）的成功经验，提出了一种新的损失函数，利用图像与图像之间的对应关系训练深度网络，完成端到端的单张图像深度估计任务。同时，为了自动地生成大规模的多视图对应数据集，本文提出了一种数据处理方法。在多种雕塑的数据集上的实验表明，本方法可以从单张图像中推断出新物体的三维形状，并且在测试时可以泛化到新的领域（如合成图像）中。

Sep, 2018

该论文提出了一种名为 Sketch3D 的新型生成算法，通过形状保持生成过程实例化给定的草图，根据参考图像推断出粗糙的三维高斯先验，并生成基于三维高斯的多视角一致性引导图像，通过三种策略优化三维高斯，从而生成具有真实感的三维资产并与输入一致。

Apr, 2024

从有颜色的点云中重建纹理网格是三维图形和视觉中一个重要且具有挑战性的任务。本文提出了一种新型的框架 PointDreamer，通过二维图像修复来提高纹理网格的保真度和清晰度，实现了从有颜色的点云中重建纹理网格的目标。

Jun, 2024

本文主要研究目标是在计算机视觉中从多视图图像或单目视频中重建物体表面，作者通过将网格结构与颜色相结合的方式，在去除视角相关颜色的同时通过重新照明网络保持体积渲染性能，通过有向距离函数网络提取表面的网格，并从全局颜色网络获取每个表面顶点的颜色，结果表明该方法在物体扫描任务和公开数据集上的性能优于现有方法。

Aug, 2023

本文提出了一种通过一个可视化的二维图像还原立体物体的彩色与形状的方法，该方法为 an end-to-end trainable framework，能够同时处理 shape recovery 和 surface color recovery 问题，并利用一种叫做 Mean Squared False Cross-Entropy Loss 的新方法来处理原有模型表象的稀疏性问题。

Apr, 2018