SRAM：用于无参考 3D 形状评估的形状-真实感对齐指标
计算机视觉与模式识别
2025-12-02 v1
摘要
3D 生成和重建技术已广泛应用于计算机游戏、电影和其他内容创作领域。随着应用的增长，对看起来真正逼真的 3D 形状的需求日益增长。传统评估方法依赖真实参考来衡量网格保真度。然而，在许多实际情况下，形状的真实感并不依赖于拥有真实参考。在这项工作中，我们提出了一种形状-真实感对齐指标，利用大语言模型（LLM）作为网格形状信息与真实感评估之间的桥梁。为此，我们采用了一种网格编码方法，将 3D 形状转换为语言标记空间。设计了一个专门的真实感解码器，将语言模型的输出与人类对真实感的感知对齐。此外，我们引入了一个新数据集 RealismGrading，它提供人类标注的真实感评分，无需真实形状。我们的数据集包括由 16 种不同算法在十余个对象上生成的形状，使其更能代表实际的 3D 形状分布。我们通过跨不同对象的 k 折交叉验证验证了指标的性能和泛化能力。实验结果表明，我们的指标与人类感知高度相关，优于现有方法，并具有良好的泛化能力。
引用
@article{arxiv.2512.01373,
title = {SRAM: Shape-Realism Alignment Metric for No Reference 3D Shape Evaluation},
author = {Sheng Liu and Tianyu Luan and Phani Nuney and Xuelu Feng and Junsong Yuan},
journal= {arXiv preprint arXiv:2512.01373},
year = {2025}
}
备注
Accepted by AAAI2026