草图是一种人们常用的沟通交流工具,具有自然、简明、抽象的特点,可以用于快速地描绘物体、勾勒人物形象、设计建筑等。草图的抽象表现力和便捷性使其能有效地与图像检索、三维模型重建等实际应用相结合,对草图理解及处理的研究一直是计算机视觉领域的研究热点之一。受个人绘制风格的影响,草图在抽象程度、形态和风格等方面都存在较大的差异,面向草图的语义理解是一个极具挑战性的任务。草图生成是草图理解研究中的重要部分,是一种根据计算机对草图语义的理解自动生成草图的技术,它既是草图理解结果的表现形式,又是促进草图理解发展的前驱动力。针对已有的草图生成模型存在生成草图质量低且无法支持多类别草图生成的问题,本文重点研究了基于草图笔画顺序和线条的草图生成模型,能够根据不同的输入生成高质量的草图。本文的主要工作和创新点如下:(1)提出了一种基于笔画顺序的草图生成模型,通过对草图笔画序列关系的理解和重编码,生成更具多样性、真实感的草图。该模型将VAE模型与GAN模型相结合,在编码器输出的隐向量上施加了指定的先验分布,使隐向量在具备一定的随机性的基础上其分布更接近真实分布。在QuickDraw数据集上的实验表明,本文提出的草图生成模型能够生成更为丰富、具有变化的高质量草图,生成草图的分类准确度较之前最先进的草图生成模型提高了约5%。(2)提出了一种基于线条的草图简化模型,能够利用卷积神经网络提取原始草图中重要线条的特征并生成清晰的简化草图。该模型引入了自注意力机制和感知损失,充分利用原始草图中的深层语义特征提升模型性能。多组用户研究结果表明,本文模型生成的简化草图在图像美学度、线条简洁度和内容一致度方面的得分均高于目前最先进的草图简化模型。(3)为了解决草图简化模型缺乏训练数据集的问题,本文构造了一个全新的具有成对数据的草图草稿-线稿数据集,为草图简化模型研究的开展提供了良好的数据基础。