SciTextures：跨越科学与艺术的视觉纹理模式、模型与代码
计算机视觉与模式识别
2026-02-03 v2
摘要
将视觉纹理模式与其形成过程相联系，代表了视觉理解的最深层形式之一。云和波的纹理、城市和森林的生长、材料和景观的形成，都是来自底层机制的模式。我们提出SciTextures数据集，这是一个来自科学、技术和艺术各领域的纹理和视觉模式的大规模集合，包含产生这些图像的模型和代码。该数据集涵盖超过1,270个不同的模型和100,000张来自物理、化学、生物、社会学、技术、数学和艺术的纹理和模式图像，为探索塑造我们世界的视觉模式与其产生机制之间的深层联系提供了途径。该数据集通过一个智能体AI管道构建，该管道自主地收集、实现和标准化科学和生成模型。该AI管道也用于自主发明并实现新的视觉纹理和模式生成方法。SciTextures使我们能够系统评估视觉语言模型（VLM）将视觉纹理与产生性模型和代码相联系的能力，并识别同一底层过程产生的不同模式。我们还测试了VLM推断和重塑视觉纹理背后机制的能力，通过提供一个自然图像作为参考，要求AI识别并编写一种产生该现象过程模型的代码，然后运行此代码生成模拟图像，并与参考图像进行比较。这些基准测试表明，VLM能够在多个抽象层次上理解和模拟物理系统，超越视觉纹理本身。该数据集和代码均可在https://zenodo.org/records/17485502 获取。
引用
@article{arxiv.2511.01817,
title = {SciTextures: Collecting and Connecting Visual Patterns, Models, and Code Across Science and Art},
author = {Sagi Eppel and Alona Strugatski},
journal= {arXiv preprint arXiv:2511.01817},
year = {2026}
}