基于生成图像模型的SVBRDF预测评估：用于3D场景外观建模
计算机视觉与模式识别
2025-12-17 v1 图形学
摘要
随着深度生成模型的出现，数字内容创建正经历着根本性的变革。对于纹理化，条件图像生成器现在允许合成与该场景几何相匹配的逼真RGB图像。对于外观建模，SVBRDF预测网络可从RGB图像中恢复材料参数。将这些技术结合起来，我们可以快速为3D场景的多个视图生成SVBRDF图，并将其合并以形成该场景的SVBRDF纹理图。本文分析了在此类快速外观建模管道中进行SVBRDF预测的挑战与机遇。一方面，单视图SVBRDF预测可能受多视图不一致性影响，导致纹理图不一致。另一方面，生成的RGB图像以及它们所依赖的不同模态，相对于照片可提供额外的SVBRDF估计信息。我们比较了神经网络架构和条件，确定实现高精度和一致性的设计。我们发现，标准UNet与更复杂的设计相当有竞争力。项目页面: http://repo-sam.inria.fr/nerphys/svbrdf-evaluation
引用
@article{arxiv.2512.13950,
title = {An evaluation of SVBRDF Prediction from Generative Image Models for Appearance Modeling of 3D Scenes},
author = {Alban Gauthier and Valentin Deschaintre and Alexandre Lanvin and Fredo Durand and Adrien Bousseau and George Drettakis},
journal= {arXiv preprint arXiv:2512.13950},
year = {2025}
}
备注
Project page: http://repo-sam.inria.fr/nerphys/svbrdf-evaluation Code: http://github.com/graphdeco-inria/svbrdf-evaluation