实时用户指南写意画.doc

1、实时用户指南写意画图 1：用户研究的结果：（上图）的对象物体的手绘图，而不使用 ShadowDraw， （底部）徒手画使用 ShadowDraw。注意改进间距和比例，同时保持受试者的自己独特的风格。摘要我们提出 ShadowDraw ，用来引导任意多边形图形系统对象。当用户拉近， ShadowDraw 动态更新阴影图像相关用户的笔触。阴影是暗示物体轮廓来指导用户，因为他们继续的绘图。这一模式类似于跟踪，有两个主要的差异。首先，我们不提供单个图像从中用户可以跟踪，而是 ShadowDraw 自动融合相关从大型数据库的图像来构建阴影。第二，该系统动态地适应于用户的附图中的实时并据此产生的建议。 S

2、hadowDraw 的工作方式是有效的查询之间的匹配局部边缘补丁，构建从当前图形和图像的数据库。哈希技术强制执行本地和全局相似性，并提供足够的速度进行互动反馈。阴影是由创建从最好的数据库汇总的边缘地图匹配，空间通过他们的比赛成绩进行加权。我们与我们的测试方法人类主体与图之间的比较显示了制作了使用和不使用该系统。结果表明我们的系统会产生更真实匀称的线条图。CR 分类：I.3.8计算方法学：电脑图形应用程序;关键词：大规模的图像检索，形状匹配，互动图友情链接：1 引言如果要求画一张脸，结果对我们大多数人（那些小在绘画实践）可能看起来像那些在上排的一个图 1 中，使用标准在我们的用户研究对象的创建绘

3、图接口。同样，如果要求画一个自行车，大部分我们将有一个艰难的时刻描绘如何车架与车轮之间的相互关系。一种解决方案是搜索的图像的事情，我们想绘制，并且无论是追踪它或使用它在其他一些方法作为参考。然而，除了查找的难度照片就是我们要绘制，只需跟踪对象边缘消除多的图纸的本质，即，只有很少的自由在跟踪行程。相反，借鉴与空白纸只在脑中浮现的形象给人的抽屉很大的自由，但写意画，可令人沮丧无显著培训。为了解决这个问题，我们提出ShadowDraw ，绘图界面自动推断你所绘制，然后动态描绘在图下方的阴影相关（图 5 和6） 。这些阴影可能是使用或抽屉忽略。ShadowDraw 保存的图纸，即，自由的本质和表现力，

4、并在同一时间使用目视参考，阴影，引导抽屉。此外，从真实图像的阴影可以启发很多图像的同时精神的艺术家。创作变成两个人的直觉的混合和电脑智能。电脑，在本质上，是在一个合作伙伴拉丝工艺，提供像老师的指导，而不是实际生产的最终稿。底部行中的附图图 1 是由相同的科目使用ShadowDraw 绘制，这个时候。请注意，用户自己的创作风格如何保持一致图纸之间，而整体形状和间隔更现实。ShadowDraw 由两个主要的计算步骤，加用户界面。第一脱机步骤包括建库从来自该网络收集 30000 图像的集合。每图像使用的是长边检测器转换为一个边缘绘图技术由 Bhat 等人开发的。 2009并存储。重叠在每个边缘图像窗

5、口进行分析，编码，并贮存。每个窗口被转换到边缘的描述符，并进一步编码作为草图使用最小哈希覃等人不同的哈希键。2008 。在第二线上的步骤，当用户拉近， ShadowDraw 使用类似的编码来确定哈希分析了招为与数据库重叠窗口的快速匹配钥匙图像。前 100 名匹配的数据库边缘图像进一步相一致的图形。一组空间变化的权重的混合边缘图像成阴影图像。在用户界面中，笔划覆盖在一个不断发展的阴影图像，提供指导的顶部未来的笔画。我们的主要贡献是一个交互式绘图系统，动态适应于用户的绘图和提供实时反馈。一些技术上的贡献使ShadowDraw 独特。虽然 ShadowDraw 的部分按照基本框架基于内容的图像检索，

6、部分空间的技术匹配的 ShadowDraw 采用的是新颖的，因为它允许根据图像的不同子区域的多个匹配的图像。此外，该验证阶段，以确定方法混合权重是唯一的这一工作。虽然有被以前的作品，帮助用户绘制基本形状五十岚等。 1999 ;阿尔沃和 Novins 2000 ;五十岚和 2001年休斯据我们所知，我们是第一个开发一个交互式用户接口辅助任意多边形。我们与我们的测试方法人类主体与图之间的比较显示了制作了使用和不使用该系统。结果表明我们的系统会产生更真实匀称的线条图，特别是对那些谁拥有一些技能，但缺乏专业知识。我们有意地避免在本文中，使权利要求，该系统产生更熟练的抽屉或更多的艺术图画。2 相关工作庞

7、大的体积可在 Web 上的图像和视频数据，科学数据库，以及报纸档案，以及最近在高率的（近似）最近邻匹配进展计划已经打开大门为一些大型配套应用程序。基于内容的图像检索的一般领域（CBIR）使用了许多不同的输入方式来搜索类似在数据库中的图像（见Datta 等人，2008用于普查此字段） 。在这里，我们简要回顾一下在大规模图像相关工作检索技术，特别是那些用线条图的查询和/或旨在建设新的图像和图形。有许多产生照相像的结果的系统通过合成检索的图像的部分。草图到拼贴系统加维兰等。 2007产生一个单一的复合过匹配用户提供的色彩笔触的数据库拼贴图像，分割出的区域和交互融合的检索段。该 Sketch2Phot

8、o 系统陈等人。 2009产生从与文本的场景的用户的草图的合成图像标签注明的对象。对每个候选对象的图像区域被发现在 Web 和那些生产出最好的协议被放在一起以形成最终的组合物。 PhotoSketch Eitz 等。 2009逐步通过创建草图和图像合成界面。用户与系统进行交互的段和混合从 150 万的数据库中检索到的图像图像。而不是从一个空白页，场景开始完成算法海斯和 2007 年 Efros 进行全球现场配合使用的查询图像，其中有“洞” 。系统发现完成该场景与对象的最佳图像，可以已经在缺失的区域。为了提高检索的准确度这些草图为基础的系统，研究人员还设计描述提供人类绘制的草图之间更好的匹配，自

9、然的图像 Chalechale 等。 2005 年 Hu 等人。 2010 。更一般的 CBIR 工作包括早期的SIGGRAPH 工作，快速多分辨率图像查询 Jacobs 等。 1995 ，即匹配用户的笔触，以图像的基本小波签名在数据库中。在“ Blobworld ”的方法卡森等人。2002将查询图像区域，而不是整个图像，从而使指定图像中物体的用户都更相关该查询。在 Nister 和 2006 年Stewenius ，创建一个词汇树有效地从大型数据库检索图像。树定义的局部图像特征的分级量化和提供了一个多层次的计划，得分匹配的图像。在密友等。 2007 ，为“查询扩展”在文本检索的思想应用于到图

10、像域，其中从最高的排列的图像原来的查询重新查询产生额外的相关图像。三维真实感的虚拟空间，在 Sivic 等人创建的。 2008 ，以允许用户游览的主题，如城市街道或天际线。类似图像从大（几百匹配和缝合千元）图像采集从 Flickr 下载。最近，MindFinder 曹等人。 2010旨在通过提高图像检索允许用户输入一个文本标签，一个草图，并且颜色为查询。该系统能够检索图像，更好地匹配图像在用户的心中。最后，在 Chaudhuri 和 Koltun 2010 ，数据驱动的建议是为 3D 建模制作。该系统通过匹配和检索相关的形状提出建议数据库的初始基本模型。ShadowDraw 还利用匹配到一个大

11、型数据库的想法图像。不同于以往的方法，我们的最终目标是帮助用户绘制而不是执行图像组成，完成后，检索，或 3D 建模。此外， ShadowDraw 只使用一个局部的和不断变化的图纸的查询，而不是其他的图像和/或文字描述。我们的系统需要检索运行在实时。我们已经看到，利用图像没有其他系统检索，在同一种应用程序或者部分图纸作为输入。有交互式绘图接口，如泰迪五十岚等。 1999 ，流体素描阿尔沃和 Novins 2000 ，和 3D五十岚和 2001 年休斯的努力生产的绘图系统为用户提供更好的附图。这些方法提供低级别在基本多边形的形状，线条形式的信息反馈，和曲线。最近， iCanDraw 接口迪克森等人

12、。2010 提供一步一步的指导和纠正反馈引导用户从参考图像绘制人脸。而在类似的动机，我们的方法提供指导绘制仅使用示例图像任意高层次的对象。最近，在 Cole 等人。 2008中，作者研究了艺术家的行三维形状分析哪些线段分别是图纸强调，并且这些段之间的相关性计算并利用现有的计算机生成生产线的轮廓绘画技巧和轮廓特征提取。虽然我们的工作旨在帮助用户在任意多边形，我们的系统的输出可以为这一行工作的一个有用的资源，也就是说，用户图纸与 ShadowDraw 产生可用于分析的轮廓在自然图像出现的更一般的对象。3 方法ShadowDraw 包括三个主要组成部分：（1）在施工一个倒置的文件结构威滕等。 199

13、9的一个指标图像和它们的边缘映射的数据库（2）的查询方法，给定用户的笔触，动态检索匹配的图像，对齐他们不断变化的图面，并根据匹配权重他们分数，以及（3）用户界面，其中显示的阴影用户的图纸下方加权边缘映射到帮助指导拉丝工艺。3.1 数据库创建在数据库中的图像，应选择以使各对象所描述的，以及它们的外观和姿势，很可能是类似对那些由用户绘制。理想情况下，手的大型数据库绘制图像将被使用，但是这样的数据库是极其难以构建。相反，我们使用了一套约 30,000 自然通过约 40 类别从互联网上采集到的图像如“ T 恤” ， “自行车” ， “汽车”等疑问虽然这样的图像有很多多余的背景，对象，取景线，等，期望的

14、是，平均来说，它们将包含一个边缘用户可能想得出。我们缩放图像以适应 300300 像素分辨率，即长边缩小到 300 像素。然后，我们的过程在三个阶段，并将它们添加到一个倒置的文件中的每个图像结构。首先，边缘提取的图像。接下来，当地边描述符进行计算。最后，套级联哈希所谓的草图从边缘描述符计算并添加到数据库中。我们的数据库中存储为一个倒置的文件，在其他换句话说，通过草图值，从而指向原始索引图像及其边缘。边缘提取给定一个自然的形象，我们要找到边最有可能被用户而忽略其他绘制。知觉的研究表明，长期相干边缘突出到人类即使晕 Beaudot 和 2003 马伦;长老和2001 年戈德堡 。通过这些作品的启发

15、，我们利用所描述的长边探测器在 Bhat 等人。 2009 。该本地方法的标准化程度的边缘，然后求和的归一化幅值，通过局部曲率加权，沿边缘的长度。结果是涉及到边缘的长度和边缘响应其程度的曲率，而不是强度的大小梯度。我们店里的边缘图像， E，采用运行长度编码。平均而言，每个压缩边缘图像需要5.3KB 。示例示于图 2（d - f）所示。补丁信息 对于每个边缘图像，我们确定边缘通过找出最大值在响应垂直的位置边缘方向，类似于 Canny 边缘检测 Canny 算 1986 。给定一个图像我在数据库中对应的边缘 E 和方向？ ，我们计算了一组边描述符迪 2 D.由于我们的目标是边缘图片 E 匹配不完整

16、的和不断变化的图纸，我们在本地计算描述了 60x60 的补丁。用于计算相邻的描述符的补丁通过重叠 50 ，导致 81 描述了补丁的 9 ？ 9 定格。我们编码使用的 BiCE 描述 Zitnick 2010每个补丁，其目的是边缘位置的直方图进行编码和方向。因为由用户绘制边缘通常是少密度比在自然图像中，我们使用一个低维的版本中的 BiCE 。我们定义一个三维直方图，用 4 个离散边缘取向， 18 位置上垂直于该边缘，和 6 位相切的边缘。使用 Zitnick 2010的符号，我们设置 NX0 = 18 ， NY0 = 6 ，N ？ = 4，和 NL = 1。的水桶直方图是通过设置最高的 20的一

17、个，其余的二值化到零。最后一个描述符，二，有 432 个二进制位。其他图像的补丁信息，如 SIFT 2004 洛韦 和雏菊绕线机等。 2009 ，靠边缘的相对强度程度，以提供识别性，并示出具有降低的匹配性能相比的 BiCE 在 Zitnick 2010 。他们也并不适用于我们的情况下，由于相对边缘在这些描述符依赖程度是不知道的用户的绘图。民哈希的 BiCE 描述符的一个主要特点是它的二进制编码：它可以被看作是一组表示，其中的那些表明边缘的存在。这使得它适合于最小哈希，这是用于检索和集群的有效散列技术密友等。 2008 年， Lee 等人。 2010 ; Zitnick 2010 。最小哈希拥有

18、的财产该具有相同的散列值（即两个集合的概率“碰撞” ）等于其 Jaccard 相似。该 Jaccard 相似 SIM 卡;两套，二和 DJ，之间（二叔的 dj ）是的基数它们的交集除以他们的工会的基数：（1）A 最小哈希函数随机进行置换的集合指数（即 0 和 1） 。所有套（的 BiCE 描述符）使用的置换同一分钟哈希函数。对于一个给定置换的最小散列值组是含有一个置换后的值最小的索引。一个单一的最小哈希可以是非辨别和介绍许多假阳性的检索，尤其是如果该描述符是满阵线。为了提高精确度，我们计算 K 个独立的随机最小哈希函数，并把它们应用到所有的 BiCE 描述符。我们串连每个描述符的结果 K 最小

19、哈希值代入 K-元组称为草图。两个草图碰撞的概率因而成倍降低到 SIM（二; DJ ）K 。为了增加召回，这个过程是用 n 个不同使 k minhash 的重复 n 次功能，导致每代号 n 草图。为了保持高回忆，同时减少误报，必须权衡作出存储每个描述符草图的数量之间的草图中，k 的大小。在我们的实验中，我们存储 n = 20 草图大小为 k = 3 对每个描述符我们存储一个倒排文件结构每个 N 分钟，哈希草图。我们分配每一个独特的素描作为在一个新的条目结构。我们记录的图像索引和描述符的修补程序位置实例制作的草图。3.2 图像匹配我们的散列方案可以有效的图像查询，因为只有相匹配的草图图像需要考虑

20、。在本节中，我们所描述的边缘之间的实时匹配管道图像数据库中的与该用户的绘图，如图所示 3。最初，我们使用了倒置的文件结构，以获得一组候选匹配的。其次，每个候选匹配与对齐用户的图纸和评分。这两个步骤的核对程序是必要的计算效率，因为只有一小部分数据库中的图像需要被精细地对准并称重。我们使用来自对准步骤的分数来计算一组在空间上不同的权重为每个边缘图像。输出是一个阴影图像所得的从边缘图像的加权平均值。最后，我们如在第 4 部分所述显示阴影图像提供给用户。候选匹配我们代表了用户的绘图作为一组矢量多段行程。我们创建了一个边缘图像戊从这些笔画画线用的一个像素的宽度行程点。所呈现的线条具有相同风格的边缘从自然

21、图像中的数据库，即，边缘提取图像戊用于匹配不使用风格化描边是看到的第 4 部分中描述的用户。接下来，我们计算的 BiCE 描述符和它们相应的草图中的相同方式利用较高分辨率网格在 3.1 节中，此时所述 18 ？ 18 = 324 补丁与邻国之间 75 的重叠补丁。我们使用较高分辨率网格以增加的准确度的预测位置，并增加不变性翻译中绘图。在我们的实现中，用户的绘图占有 480 480 像素，从而产生 96 ？ 96 像素的斑块面积 24 相邻的贴片之间的像素偏移。我们计算描述符和草图为每个 324 补丁。使用反查找表中，我们相互匹配草图从用户的图纸存储在数据库中的草图。匹配的草图投下一票对应的数据

22、库和图像补丁偏移对。我们聚集在一个频率曲线 h 存储火柴匹配草图为每个图像的每个网格数抵销。为了减少 H 的大小，票数只存储在数据库补丁偏移量是内正在考虑的补丁 4 片栅格点在用户的绘图。这对应于相对位移用户的绘图和数据库中的图像之间小于 96 像素。由此产生的直方图大小为 m ？ 9 ？ 9 ，其中 m 是在数据库中的图像的数目。将所有的比赛后，每个草图直方图，我们找到了最佳匹配偏移每个图像，并添加百强图像的候选集。作为在 3.1 节中所讨论的，我们计算 N = 20 草图每个描述符，造成了最大可能的 20 票每草图中直方图。为了减少任何单个描述符中的偏见，我们限制每个描述符以 4 票直方图

23、的贡献。给定一个大型数据库，如所描述计算候选集上面可以计算昂贵。我们采取的优势事实，即在用户的笔画随着时间的推移逐渐增加变性能。在每个时间步，只有选票从草图导致来源于已更改的更新补丁。我们完成了这减去从以前的草图添加票从 H，随后在选票来自新添加的草图。在每个时间帧，我们还包括在所述候选集的任何数据库图像促成在上一次的阴影图像框架。图像对齐候选图像集合C包含了一组图片与由最好的匹配定义近似偏移dx和dy如上所述抵消。近似源于离散补丁的网格偏移。我们完善这些利用广义霍夫的一维变偏移变换巴拉德1981 。使用标准的广义Hough 变换对于2D 的翻译，我们在可能的偏移量创建一个二维直方图使用x和y

24、 ：T（X ， Y） =Xp戊（ PX ， PY ） E（ PX + DX + X ; PY + DY + Y ） ， （ 2 ）其中 （ PX ， PY ）是 E的值在位置的像素p （ PX ， PY ） ，同样的边缘图像E。我们决定最好由偏移发现T的最高值（x ， y）的。这种方法在计算上是昂贵的，因为我们需要总结在图像上每x和y的偏移量的可能组合。相反，我们计算在x和y维度分别使用两个直方图：德克萨斯州（ X）=Xp罪（ （ PX ; PY ） ） 戊（PX ; PY ） （3）罪（ ？ （ PX + DX + X ; PY + DY ） ） E（ PX + DX + X ; PY +

25、DY ） ;类似地，使用泰的角度的余弦值。的正弦边缘角度提供了较高的权重，以更翔实的垂直当确定横向偏移，同样边泰 - 和余弦与水平边缘。我们经验发现这接近，产生了良好的效果。一旦直方图的Tx和Ty被创建，他们稍微模糊的？H =2。我们判断最后的子像素偏移 D0x和D0通过增加一个二次插值在 tx和ty 由此产生的峰值响应dx和dy。为额外的精度，双迭代运行。为了减少计算量，我们限制x和y的搜索范围的两倍之间的距离的网格点。此外，我们计算公式（3）减少大小160分辨率的图片？ 160。我们 notate对齐的边缘形象E0我。要细化规模，额外的一维直方图TS可以跨尺度，发现高峰期进行类似计算图片加

26、权我们现在有一组候选图像，C，以及它们对齐边缘图像的 E0我，用偏移D0对齐我。我们的目标是融入这些对齐边缘图像成阴影图像，S，即将帮助引导用户，因为他们得出：S =X我WiE0I;（4）其中Wi为配合重量形象，这是我们下定义。混合重量应该是高像素哪里有绘图和候选人的边缘对齐之间的良好匹配和低像素那里没有。我们构造的图像质量从两个方面，一个全球性的长期匹配vi和空间变化比赛来看，六，这是在候选归超过所有图片设置：无线=？PviVivjVj：（5）的重量？用于降低噪声的阴影产生的可见性当绘图刚刚开始，所有的比赛成绩低。的空间权重的图示显示在图4 。阴影是一种复合的使用空间权重的结果多个不同的边缘

27、图像，创建外观没有在单个数据库中的图像存在一个对象。我们首先定义在空间上变化的匹配术语六其次受全球长期匹配vi和？我们的目标是为候选人图像的权重增加时，其边缘同意在位置和定向与用户的笔画。为了计算六，我们首先分解分为八个面向图像， T每个候选边缘图像，同样，在绘图图像分成8面向图像， 吨，为 T = 1 ，.， 8 。只有每个图像捕捉招平行一8均匀分布的方位，即， 1描绘了水平边缘， 5描述了垂直边缘，其余六个每次捕获1在22:5的其他方向是什么？间隔。如果说有优势的方向下降在两个方向之间，它的贡献是线性之间划分这两个面向的边缘图像。提供一些不变性的地位，我们在模糊边缘导向图像与高斯核G（ S

28、）与标准偏差？ S = 1点25 ，其中是网格之间的相对距离点。它也希望包含多个边缘的图像附近中风收到相同的得分贡献为那些有单边沿。这是通过限制的幅度来实现响应从模糊的边缘到最大响应可能导致在隔离的单个边缘。然后，我们计算正面和负面的边缘相关性的图像， +和 ，以确定边缘图像同意和不同意与用户的笔画。我们使用定义的正相关关系产品具有相同取向的边缘图像，并定义使用正交定向边的乘积的负相关图片： + =XT = 1 ; 8T ？ T（ 6 ） =XT = 1 ; 8T ？ （叔4 ）8 （7）我们的空间变化匹配长期Vi是简单模糊高斯版本 +的，VI = G（ +I; 4） （8）我们增加了一个小的

29、偏移，以六为确保非零值。为了减少计算，我们计算上降低了图像得分和权重40分辨率的图片？ 40像素。接下来，我们定义公式的全局匹配任期六（ 5 ）即用于计算边缘图像的共混重量无线网络。为了帮助在vi 的计算，我们计算一个全球性的比赛成绩喜为每图像使用 +和 之间的区别，喜=Xp +我（对） I（ P） （9）方程（9）具有高的正的值时，用户的笔画和图像的边缘同意在位置和方向。然而，如果大多数用户的笔画是垂直于所述图像的边，喜可能是负数。最后，我们计算采用六喜的非线性函数和平均H +从候选集合中的五个最高分数，VI= 最大？0;？喜H +H + H +？：（10）我们的0:5的值赋给，表示VI的值

30、大于大于零仅当得分大于5的一半的平均得分最高。的价值？ =2有利于图像的分数越高并设置权重衰减的速率为二次。在等式（5）中，我们设置？至？ =P我用vi？ +P我用vi（11）在哪里？到对应于将导致从绘制得分约250像素单招。使用公式（11） ，？增加的用户吸引更多的斯托克斯，造成更大可见阴影。总之，我们计算了阴影图像进行实时比较用户绘制的笔划从所提取的候选图像该数据库。我们计算全球和空间变化的权重混合相应的边缘图像来创建阴影图像在绘图界面使用。我们通过比较确定这些权重发展中国家绘图之间的边缘局部方位和数据库的边缘图像。4用户界面该ShadowDraw用户界面出现在第一次像一个标准的在一张空白

31、纸状表面绘制系统。我们使用了WACOM新帝21UX屏/片。用户可以使用绘制或擦除招手写笔。用户看到与笔画形成了自己的绘画叠加一个不断更新的影子S于，见图5 。在绘图区域为480 ？ 480个像素，且线笔画呈现用深蓝色标记样式，如图5 （ a）所示。至提供一些色彩对比，使我们的影子在棕褐色调。为了进一步使阴影对用户可见的，而不是分散注意力从用户的实际图纸，我们的影子图像筛选到删除嘈杂和淡淡的边缘， S = S （G（ S; R） “ ） （12）在哪里？ R = 16 。由一个模糊的影子图像强化剂相乘边缘同意这一点在位置和削弱其他人。“= 1时另外，以抑制微弱边缘。此外，我们应用小随着1.25的

32、标准差来软化阴影量模糊，参见图5（c ） 。最后，我们加权阴影S0到有靠近用户的光标位置PC 更高的对比度：S0 （ P） = ？ S（P） + （ 1 ？ ） ！ S（P ） （ 13 ）在那里！是p和PC机之间的高斯加权距离的120像素的标准偏差。 ？可以由用户和设置控制阴影的对比度。我们渲染的最终图像纸张纹理背景，如图图5（d ）中。5结果我们所有的实验都是用约一个数据库中运行30,000图像。我们收集了28,000图像通过图像抓取网页搜索，如“熊” ， “自行车的白色背景” ，和“摩托车本田“ 。我们去掉重复和调整的决议图像，使得内部类对象都有类似的尺度。我们收集来自加州理工学院的10

33、1数据集435的人脸图像菲菲等人。2004 。由于人脸图像是均匀的规模和用户往往画脸在不同尺度， （全脸与头部和肩膀）我们增加了随机缩放图像数据集共计2,000面的图像。我们实施ShadowDraw在适度的系统与四核英特尔i5处理器与4GB内存。压缩后的边缘图像从数据库中被存储在存储器中，以及在逆查找表要求RAM.We的850MB 实施 ShadowDraw使用两个线程以提供平滑的用户界面。前景线程处理用户的输入，并呈现在用户的笔触。该后台线程作为接受用户输入的笔画，并计算一个阴影图像。平均而言，一个新的影子图像的每个计算0.4至0.9秒，这取决于新的笔画数。一快速响应是在创造一种正反馈回路临

34、界用户获得的建议，同时仍然在绘制过程中风。我们选择的参数的BiC 描述，草图尺寸，通过定量测试次数的草图，和电网的决议对几类，如人脸，摩托车，和蝴蝶。我们选择与精细定位和空间相关的参数由重定性检查几个结果。图6显示了使用几个例子绘图会话阴影抽奖。请参阅随附的视频看会话在行动和更多的结果。注意，拉丝速率加快以适应视频。当用户绘制新的笔画和擦除等，阴影动态更新，以最佳的用户的绘图比赛。使用我们的大型数据库，用户可以为各种接受指导对象类，包括特定类型的对象，例如作为办公椅，折叠椅，或摇椅。最后一排图6显示了打分函数的鲁棒性混乱。即使许多虚假的笔划绘制，正确的图像在阴影图像给予高的权重。绘画我们有16

35、个科目，八所进行的实验妇女和八名男子。每名受试者被要求画出五个对象，鞋，自行车，蝴蝶，脸，和兔子，有和没有ShadowDraw ，共计10图纸。我们随机置换对象的顺序呈现给每个用户。阴影出现所有其他图纸上，因此被画一半的对象第一个没有阴影和阴影绘制第一的另一半。我们使用兔子作为控制变量，以保证实验的公平性：有在我们的数据库中没有兔子的图像。请参阅由受试者例如补充视频图纸。在开始本研究中，我们解释了用户界面：功能的笔（绘图和擦除） ，白画布， “开始”和“下一步”按钮继续，一旦目前的下一个对象绘制完成。我们解释给用户的阴影似乎每隔图纸上，他/她可以自由使用它们的指导，或完全忽略它们。我们亦解释该

36、阴影可以通过敲击一个区域中删除画布外的（并会重新出现在用户开始画再次） 。热身运动以使他们熟悉的界面包括绘制一个圆和一件T恤。每个用户都给予30分钟完成全部10个图纸。我们记录击键序列（包括绘画和擦除） ，每个图上所花费的时间。平均而言，用户完成在大约20分钟的任务，花费更多的时间在其中的物体需要更详细的如人脸，并减少对那些诸如鞋。我们还要求受试者填写一份简短的问卷在年底这项研究。评估八个附加科目（谁没有参加绘图实验）评估了图纸。我们显示图8 ：每页图纸类别评价得分用户在“平均”组。 ShadowDraw提高绘图结果大多数类别。每个图形对（有，无ShadowDraw生产） sideby -侧。

37、我们要求每个评估，选择什么，她察觉到是“更好的图纸”。如果她不能决定，她被赋予了选择“领带”的选项。这是重复所有图纸对。我们随机的顺序和附图中的位置，从而使与ShadowDraw制作图纸并不总是出现向左或右。为了评估用户的绘图能力，接下来我们要求每个评估来评分图纸每个用户的集合而不ShadowDraw生产的模为1至5，其中1是差，图3是平均和5是优秀的。我们归纳了用户分成三组（差，平均值，和好）的基础上他们的绘画能力得分，通过平均8评估评级。但应注意的是，没有一个受试者的被评为靠近一流的，因为所有评级均低于4 。分析和说明，我们首先提出我们的研究结果对绘图分数每组为所有对象类别。图7示出了结果

38、。我们计算一个平均得分每组（例如，通过平均个人用户投票的组） 。 “穷人”组有三个用户，分数在 1 ，2） ， “平均”组有七个用户，分数 2 ， 3 ）和 “好”的组有六个用户，分数线以上3 。总体而言， ShadowDraw达到显著高于打进图纸结果为“一般”组，并在不确定的结果其它两组（参见图7） 。图8示出了每类成绩为“平均”组故障。 ShadowDraw是绘制结构复杂的对象，如特别有帮助自行车。我们看到明显的改善面和蝴蝶为好。兔类被用作控制变量，所以“领带”的结果预期。鞋表现出一定的下降与ShadowDraw也许是因为在鞋的外观产生变化更高的金额在阴影图像噪声。在“好”的组分数越高，缺

39、乏证实了我们的直觉人们谁可以得出相当不错会产生同样好的图纸带或不带ShadowDraw 。一个有趣的现象在成绩为“差”的差异不显着组。在他们的图纸仔细观察，我们发现，这些用户是非常差的抽屉（即纵横比和他们绘画的基本形状是遥远的那些对象他们打算画） ，从而使系统的机会都没有正确地匹配和检索相关数据库的图像。这也解释了为什么我们取得显著改善基线对于“平均”组。该组中的用户能够绘制的基本形状和物体的粗糙比例正确，但ShadowDraw ：实时用户指南徒手绘图 27:7有确切的应用比例和细节必不可少的困难制作引人注目的图画，这恰恰是阴影平局可以提供帮助。有几种补救措施，以允许即使是最贫穷的抽屉受益从我

40、们的系统。最明显的是给他们更多的实践学系统的功能。为了检验这一假设，我们要求每个用户绘制另一张面孔，他们完成后，前一个任务。我们允许用户探索和建议用户绘制一个更“椭圆形”与“圆”面部轮廓，以获得更多的相关阴影。图 9 显示了用户的一些例子之前和之后这种做法的面孔图纸。有一个明显的改变对附图现实的比例为那些可怜的技能（左）和良好的技能（右） 。请注意如何当事人的个人风格保持图纸之间，以及更精通抽屉不是简单地跟踪阴影。虽然大多数人都同意的较贫穷的结果进行了改进，它成为一个问题的味道了更多的技术图纸是否新的图纸是更好的。真正评估整体美感改进的结果是超出了本文的范围。图 1 示出了用户的附图的一些例子

41、有并没有 ShadowDraw 。每列显示所产生的图由同一用户。人们可以清楚地看到一个显著的变化对更多的现实主义在附图中，特别是在条款一个物体的不同部分的比例和包括重要的功能，例如物体的结构和布局（见自行车） ，和整体形状（见蝶） 。用户满意度当被问及在调查问卷中， “如何你会用 ShadowDraw 与比较您的绘图结果那些没有 ShadowDraw ？ ， “平均而言，给用户一个得分 4.0 的范围内，其中 1 为“差很多” ，3 为“无差异” ，并且 5 是“好得多” 。当被问及“您如何评价您的满意与 ShadowDraw 与不 ShadowDraw 画的？ “平均来说，用户给出了 3.9

42、 的分数。一些积极的意见从开放式的问题包括：？ “有趣的和有益的，我变得依赖于它的速度非常快。”？ “有助于绘制速度比无 ShadowDraw ”？ “这是一个伟大的产品，我已经爱上它 - 得有一个。真的可以帮助我放松！ “？ “说完艺术没有背景， ShadowDraw 做画不少提供了一个影子时的乐趣。 “有一对夫妇的意见，表明 ShadowDraw 是有时会分散注意力，如“ 我偶尔有困惑我行与行的影子。 “对于这一点，我们可以在创建一个按钮的 UI标注为“暗影开/关” ，从而使用户可以选择查看或隐藏阴影。总体而言，用户似乎喜欢使用 ShadowDraw 和生产更好的图纸（如自我评估）比他们可

43、以实现无 ShadowDraw 。这是什么定义 ShadowDraw 的精髓。它不产生最终的艺术品，而是引导用户时用户想要的帮助。这使得绘图体验乐趣，并说，最终的绘图变得赏心悦目，以一个人的自我。6 结论与讨论我们已经提出了一个系统，引导用户来动态画出从生产景象万千派生阴影。我们已经证明，我们的方法可以在检索相关图像基于不完整的和不断变化的草图实时的用户。我们报道这表明改进的现实主义在很多用户的研究用户的图纸，但更重要的是，我们学到了许多意想不到的从事物的研究。也许最有趣的发现是 ShadowDraw是最有效的为那些有点点绘图技巧。我们可以推测，那些小技能无法产生初始图纸足够的检索相关的图片用

44、于制作阴影的。那些已经拥有绘图技巧可能已被分心了阴影。有许多方法，我们希望既缓解问题需要解决一个更广泛的用户的需求。欲了解更多新手抽屉，能够指定类别类将修剪数据库搜索，并可能导致更多的相关阴影即使在最初的图纸有一点相似的类。欲了解更多专家级用户，接口提供了更多的控制权阴影强度可以很容易地添加。此外，引起负面的能力招阻止含有这些笔画将阴影再次提供更好地控制阴影的指导。我们也想探索图像数据库大小之间的权衡与阴影“效果。我们已经表明，处理的能力成千上万在各种类别的图像。而更多的灵活性将通过专家更大的数据库来实现，由抽屉新手遇到的问题可能会加剧。更多的工作需要理解这些权衡。也有许多更细微的问题，如之间

45、的紧张关系指导和自由如何绘制表达对象的本质与让所有的比例正确。这将或许需要探索新的评分方法，允许对非刚性变革中的匹配和阴影生成步骤。我们欣慰地看到，用户的个人绘画风格，使用 ShadowDraw 时维持。尽管如此，更多的工作须使该系统在改进的整体真正有助于美学效果。这将需要更细致入微地了解在图纸美学和现实主义之间的关系。如果人们可以组装的艺术图画的大型数据库，我们可以可以使用一些我们报告的技术开始学习这样的关系，但是这是留给未来的工作。总之，我们发现这方面的调查很精彩并期待着延长工作在许多不同的方向。我们希望这份文件所表达的具体工作涉及的范围，报告，以及许多可能相关的途径未来探索。致谢作者要感谢刘策为许多有见地的讨论并帮助塑造工作在本文中。我们也感谢匿名审稿人许多有益的意见。最后，感谢所有谁愿意参加画作为用户研究的一部分。希望 ShadowDraw 将使他们感到更舒适拿起笔在未来绘制。