【天津大学】风格线条画生成技术综述

2020 年 4 月 26 日 专知


摘要: 线条画作为一种简单而有效的视觉传达手段,通过突出主要的细节特征,使得人们可以快速地获得主要信息;同时,风格线条画作为一种艺术形式,让人们能够快速欣赏和理解其艺术特征。文中对线条画的生成方法进行了综述与分析。线条画生成技术可以分为基于2D图像的方法与基于3D模型的方法。其中,基于2D图像的线条画生成技术包括样本学习方法、非样本学习的数据驱动方法与非数据驱动方法;基于3D模型的线条画生成技术包括图像空间方法、对象空间方法以及两者的混合方法。通过介绍与分析各种方法并对比分析其优缺点,总结了线条画生成技术现阶段存在的问题及其可能的解决方案,并在此基础上对线条画生成的未来发展趋势进行了展望。

http://www.jsjkx.com/CN/10.11896/j.issn.1002-137X.2019.07.003

专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“SLDG” 就可以获取【天津大学】风格线条画生成技术综述》专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
1

相关内容

基于小样本学习的图像分类技术综述
专知会员服务
148+阅读 · 2020年5月6日
专知会员服务
216+阅读 · 2020年5月6日
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
【天津大学】知识图谱划分算法研究综述
专知会员服务
105+阅读 · 2020年4月27日
3D目标检测进展综述
专知会员服务
187+阅读 · 2020年4月24日
专知会员服务
155+阅读 · 2020年4月21日
多模态深度学习综述,18页pdf
专知会员服务
211+阅读 · 2020年3月29日
【浙江大学】对抗样本生成技术综述
专知会员服务
89+阅读 · 2020年1月6日
密歇根大学《20年目标检测综述》
专知会员服务
96+阅读 · 2019年10月13日
多模态深度学习综述,18页pdf
专知
45+阅读 · 2020年3月29日
【综述】生成式对抗网络GAN最新进展综述
专知
57+阅读 · 2019年6月5日
ECCV发布:228页教程全面理解视觉定位技术
专知
16+阅读 · 2018年9月12日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
7+阅读 · 2018年3月17日
Arxiv
3+阅读 · 2017年11月20日
Arxiv
151+阅读 · 2017年8月1日
VIP会员
相关VIP内容
基于小样本学习的图像分类技术综述
专知会员服务
148+阅读 · 2020年5月6日
专知会员服务
216+阅读 · 2020年5月6日
基于视觉的三维重建关键技术研究综述
专知会员服务
154+阅读 · 2020年5月1日
【天津大学】知识图谱划分算法研究综述
专知会员服务
105+阅读 · 2020年4月27日
3D目标检测进展综述
专知会员服务
187+阅读 · 2020年4月24日
专知会员服务
155+阅读 · 2020年4月21日
多模态深度学习综述,18页pdf
专知会员服务
211+阅读 · 2020年3月29日
【浙江大学】对抗样本生成技术综述
专知会员服务
89+阅读 · 2020年1月6日
密歇根大学《20年目标检测综述》
专知会员服务
96+阅读 · 2019年10月13日
相关论文
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Area Attention
Arxiv
5+阅读 · 2019年2月5日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
135+阅读 · 2018年10月8日
Arxiv
7+阅读 · 2018年3月17日
Arxiv
3+阅读 · 2017年11月20日
Arxiv
151+阅读 · 2017年8月1日
Top
微信扫码咨询专知VIP会员