从图像进行针织纱线的神经逆过程化建模

我们研究了神经逆过程化建模的能力，以从所描绘纱线样本的单幅图像中推断出具有纤维级细节的高质量过程化纱线模型。虽然基于单一神经网络直接推断底层纱线模型的所有参数看似直观，但我们表明，就所涉及纤维的加捻和迁移特征而言，纱线结构的复杂性可通过专注于单个特征的网络集成更好地应对。我们分析了不同损失函数的效果，包括用于惩罚推断参数与真实标注偏差的参数损失、用于强制估计参数生成图像与训练图像具有相似统计量的重建损失，以及用于显式惩罚合成图像潜码与真实图像在编码器潜空间中的平均潜码之间偏差的额外正则化项。我们证明，精心设计的参数化过程化纱线模型与相应的网络集成及损失函数相结合，甚至仅在使用合成数据训练时也能实现鲁棒的参数推断。由于我们的方法依赖于带有参数标注的纱线数据库的可用性，且我们不知晓此类可用数据集，据我们所知，我们额外提供了首个带有相应纱线参数标注的纱线图像数据集。为此，我们使用一种新颖的纱线生成器，其相比先前方法提升了生成结果的真实感。