Sketch-RNN

Sketch-RNN 是 Google Magenta 项目中的一个基于循环神经网络（RNN）的模型，它可以学习手绘草图的序列数据，并根据给定条件生成新的草图。它既可以完成草图（根据用户输入的部分笔画预测完整图形），也可以从随机向量生成全新风格的草图，常用于创意设计、草图交互和 AI 辅助绘画场景。

Sketch-RNN 最初基于 TensorFlow 实现，后来被移植到 TensorFlow.js，可通过 Magenta.js 项目直接在浏览器中运行，无需安装后端环境。此外，官方还提供了交互式演示（如 magic-sketchpad）供用户体验，开发者也可以通过 JavaScript 或 Python 调用模型来构建自己的应用。

Sketch-RNN 采用序列到序列（Seq2Seq）的变分自编码器（VAE）架构，将草图视为一系列笔画的矢量坐标点。模型通过编码器学习草图的潜在空间表示，再用解码器逐步生成坐标序列。其关键特点是引入了变分推断，使生成结果具有多样性和可控性（如控制随机性程度），同时支持条件生成（根据类别或部分笔画引导输出），适合处理具有时序结构的手绘数据。