SAMa: 面向材料的 3D 选择与分割
计算机视觉与模式识别
2026-02-23 v2 图形学
摘要
将 3D 资产分解为材料部件是艺术家常见的任务，但仍高度依赖人工操作。本文介绍 Select Any Material (SAMa)，一种针对任意 3D 表示的野生对象材料选择方法。基于 SAM2 的视频先验，我们构建扩展至材料领域的材料中心视频数据集。我们提出一种高效方法，将模型的 2D 预测投影到 3D，通过深度投影每个视图到中间 3D 点云。任意 3D 表示与该相似点云之间的最近邻查找允许我们高效重建准确的选择掩码，可从任意视角检查。我们的方法天然具有多视角一致性，无需昂贵的 per-asset 优化，即可在秒级完成优化-free 选择。SAMa 在选择精度和多视角一致性方面均优于多个强大基线，并支持各种有说服力的应用，如替换文本到 3D 输出上的带漫反射纹理的材料为 PBR 材料，或在 NeRF 和 3DGS 捕获上选择和编辑材料。
引用
@article{arxiv.2411.19322,
title = {SAMa: Material-aware 3D Selection and Segmentation},
author = {Michael Fischer and Iliyan Georgiev and Thibault Groueix and Vladimir G. Kim and Tobias Ritschel and Valentin Deschaintre},
journal= {arXiv preprint arXiv:2411.19322},
year = {2026}
}
备注
Project Page: https://mfischer-ucl.github.io/sama