DIAMOND-SSS：面向数据高效次表面散射的扩散增强多视图优化
计算机视觉与模式识别
2026-01-21 v1
摘要
次表面散射（SSS）赋予半透明材料（如蜡、玉石、大理石和皮肤）其特有的柔和阴影、颜色渗透和漫射辉光。由于复杂的光传输以及对密集采集的多视图、多光照数据集（通常超过 100 个视图和 112 个 OLAT）的需求，在神经渲染中建模这些效果仍然具有挑战性。我们提出了 DIAMOND-SSS，这是一个数据高效的框架，用于从极其稀疏的监督（甚至少至十张图像）中进行高保真半透明重建。我们微调扩散模型用于新视图合成和重光照，以估计的几何形状为条件，并在不到数据集 7% 的数据上进行训练，生成逼真的增强数据，可替代高达 95% 的缺失捕获。为了在稀疏或合成监督下稳定重建，我们引入了与光照无关的几何先验：多视图轮廓一致性损失和多视图深度一致性损失。在所有稀疏度条件下，DIAMOND-SSS 在可重光照的高斯渲染中实现了最先进的质量，与 SSS-3DGS 相比，将实际捕获需求降低了高达 90%。
引用
@article{arxiv.2601.12020,
title = {DIAMOND-SSS: Diffusion-Augmented Multi-View Optimization for Data-efficient SubSurface Scattering},
author = {Guillermo Figueroa-Araneda and Iris Diana Jimenez and Florian Hofherr and Manny Ko and Hector Andrade-Loarca and Daniel Cremers},
journal= {arXiv preprint arXiv:2601.12020},
year = {2026}
}