MaRI：跨域材质检索集成
计算机视觉与模式识别
2025-04-09 v3
摘要
准确的材质检索对于创建逼真的 3D 资产至关重要。现有方法依赖于捕获材质形状不变和光照变化表示的数据集，这些数据集非常稀缺，且由于多样性有限和现实世界泛化能力不足而面临挑战。当前大多数方法采用传统的图像搜索技术。它们在捕获材质空间的独特属性方面存在不足，导致检索任务中的性能次优。为应对这些挑战，我们引入了 MaRI，这是一个旨在弥合合成材质与真实世界材质之间特征空间差距的框架。MaRI 通过联合训练图像编码器和材质编码器，利用对比学习策略构建了一个共享嵌入空间，该空间协调了视觉和材质属性，在特征空间中拉近相似的材质和图像，同时分离不相似的配对。为了支持这一点，我们构建了一个综合数据集，包含在受控形状变化和多样光照条件下渲染的高质量合成材质，以及使用材质迁移技术处理和标准化的真实世界材质。大量实验表明，MaRI 在多样且复杂的材质检索任务中表现出卓越的性能、准确性和泛化能力，优于现有方法。
引用
@article{arxiv.2503.08111,
title = {MaRI: Material Retrieval Integration across Domains},
author = {Jianhui Wang and Zhifei Yang and Yangfan He and Huixiong Zhang and Yuxuan Chen and Jingwei Huang},
journal= {arXiv preprint arXiv:2503.08111},
year = {2025}
}