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。

成为VIP会员查看完整内容
31

相关内容

基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
专知会员服务
215+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
104+阅读 · 2020年4月27日
3D目标检测进展综述
专知会员服务
186+阅读 · 2020年4月24日
【北航】面向自然语言处理的预训练技术研究综述
专知会员服务
111+阅读 · 2020年4月23日
专知会员服务
155+阅读 · 2020年4月21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
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17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
最全综述 | 图像目标检测
计算机视觉life
30+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
13+阅读 · 2019年6月20日
最全综述 | 医学图像处理
计算机视觉life
55+阅读 · 2019年6月15日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
36+阅读 · 2019年4月18日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
Image Captioning 36页最新综述, 161篇参考文献
专知
89+阅读 · 2018年10月23日
综述:深度学习时代的目标检测算法
极市平台
26+阅读 · 2018年3月17日
深度学习时代的目标检测算法综述
AI前线
10+阅读 · 2017年9月22日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Arxiv
11+阅读 · 2018年4月8日
VIP会员
相关VIP内容
基于深度学习的表面缺陷检测方法综述
专知会员服务
92+阅读 · 2020年5月31日
专知会员服务
215+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
104+阅读 · 2020年4月27日
3D目标检测进展综述
专知会员服务
186+阅读 · 2020年4月24日
【北航】面向自然语言处理的预训练技术研究综述
专知会员服务
111+阅读 · 2020年4月23日
专知会员服务
155+阅读 · 2020年4月21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
 图像内容自动描述技术综述
专知会员服务
84+阅读 · 2019年11月17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
相关资讯
最全综述 | 图像目标检测
计算机视觉life
30+阅读 · 2019年6月24日
最全综述 | 图像分割算法
计算机视觉life
13+阅读 · 2019年6月20日
最全综述 | 医学图像处理
计算机视觉life
55+阅读 · 2019年6月15日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
36+阅读 · 2019年4月18日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
Image Captioning 36页最新综述, 161篇参考文献
专知
89+阅读 · 2018年10月23日
综述:深度学习时代的目标检测算法
极市平台
26+阅读 · 2018年3月17日
深度学习时代的目标检测算法综述
AI前线
10+阅读 · 2017年9月22日
微信扫码咨询专知VIP会员