LaFiTe：用于 3D 原生纹理的生成式潜在场

直接在 3D 表面生成高保真、无缝纹理的任务，即我们所称的 3D 原生纹理，仍是 fundamental 挑战，具有潜在的突破性意义，可克服 UV 基于和多视角投影方法的长期局限。然而，现有方法因缺乏强大且通用的潜在表示而受限，这严重限制了其生成纹理的保真度和通用性。我们认识到这一表示差距是进一步进展的主要障碍。我们提出 LaFiTe 框架，通过学习将纹理生成为 3D 生成稀疏潜在色场来解决这一挑战。其核心，LaFiTe 使用变分自编码器（VAE）将复杂的表面外观编码到稀疏、结构化的潜在空间，然后解码为连续色场。该表示在复原中超过了最新方法 10 dB 以上的 PSNR 保真度，通过有效地将纹理外观与网格拓扑以及 UV 参数化解耦，实现了前所未有的保真度。基于这一强大的表示，条件重构流模型合成多样化风格和几何形状下的高质量、连贯纹理。广泛的实验表明，LaFiTe 不仅为 3D 原生纹理树立了新的基准，也使其灵活的下游应用，如材料合成和纹理超分辨率成为可能，为下一代 3D 内容创建工作流程铺平了道路。