从二维样本学习神经三维纹理空间
计算机视觉与模式识别
2020-04-06 v2 图形学
机器学习
摘要
我们提出了一种具有多样性、视觉保真度且计算高效的二维与三维自然纹理生成模型。这由一系列将经典随机过程纹理(Perlin 噪声)思想扩展至学习到的深度非线性方法实现。核心思想是一个硬编码、可调且可微的步骤,将多个变换后的随机二维或三维场输入一个可在无限域上采样的 MLP。我们的模型编码了来自多样化纹理集合的所有样本,而无需针对每个样本重新训练。应用包括纹理插值与从二维样本学习三维纹理。
引用
@article{arxiv.1912.04158,
title = {Learning a Neural 3D Texture Space from 2D Exemplars},
author = {Philipp Henzler and Niloy J. Mitra and Tobias Ritschel},
journal= {arXiv preprint arXiv:1912.04158},
year = {2020}
}