MaterialFusion：基于扩散模型实现高质量、零样本且可控的材料迁移
计算机视觉与模式识别
2025-02-13 v2
摘要
操控图像中物体的材料外观在增强现实、虚拟原型设计和数字内容创建等应用场景中至关重要。我们提出了MaterialFusion——一种新型的高质量材料迁移框架，允许用户调整材料施加程度，从而在新材料属性与物体原始特征之间实现最佳平衡。MaterialFusion通过保持背景一致性并缓解边界伪影，实现对修改后物体的无缝融合。为充分评估 our 方法，我们构建了真实世界材料迁移示例的数据集，并开展了复杂的比较分析。通过全面的定量评估和用户研究，证明MaterialFusion在质量、用户控制和背景保持方面显著优于现有方法。代码已公开于 https://github.com/ControlGenAI/MaterialFusion。
引用
@article{arxiv.2502.06606,
title = {MaterialFusion: High-Quality, Zero-Shot, and Controllable Material Transfer with Diffusion Models},
author = {Kamil Garifullin and Maxim Nikolaev and Andrey Kuznetsov and Aibek Alanov},
journal= {arXiv preprint arXiv:2502.06606},
year = {2025}
}