材质指纹：识别和预测材质外观的感知属性

世界充满了各种材质，每种材质都具有独特的表面外观，这些外观在我们日常感知和理解其属性中起着至关重要的作用。尽管技术进步使得捕获和逼真再现材质外观以用于可视化和质量控制成为可能，但材质属性信息在不同测量表示和软件平台之间的互操作性仍然是一个复杂的挑战。克服这一挑战的关键在于自动识别材质的感知特征，从而能够直观地区分存储在不同材质数据表示中的属性。我们推断，对于许多实际目的，感知外观的紧凑表示比详尽的物理描述更有用。本文介绍了一种通过编码从动态视觉刺激中获得的感知特征来进行材质识别的新方法。我们进行了一项心理物理学实验，从347种材质的视频中筛选并验证了16个特别重要的感知属性。然后，我们收集了二十多位参与者对每种材质的属性评分，创建了一个编码每种材质独特感知属性的“材质指纹”。最后，我们训练了一个多层感知器模型来预测统计和深度学习图像特征与其相应感知属性之间的关系。我们展示了该模型在根据单个属性进行材质检索和过滤方面的性能。该模型代表了朝着简化不同数字环境中（无论其数字表示如何）材质属性的共享和理解迈出的重要一步，提高了材质识别的准确性和效率。