本文提出了一种基于卷积神经网络的多尺度合成管道，采用直方图损失来综合纹理，改善以前方法中的不稳定性，同时通过集成局部样式损失来提高特征的质量，改善内容和样式的分离，并提供艺术控制，进而获得更高质量、更快收敛和更好的稳定性。

Jan, 2017

本文提出了一种基于深度生成式前馈网络实现的纹理综合方法，具有在一个网络内高效综合不同纹理并进行有意义插值的能力，并通过多项实验证明了提出的模型和技术的有效性和应用前缀。

Mar, 2017

本文介绍了一种基于生成对抗网络的例子合成方法，用于处理包括空间非同变、不均质等非稳态纹理，实现了大尺度结构的捕捉，其简单的概念性方法极有效，成为解决有挑战性的纹理的无其他现有方法可处理。

May, 2018

本文利用神经元细胞自动机（NCA）算法实现了基于单个模板图像的纹理生成器，其中神经元细胞自动机算法提供了一种学习分布式本地算法生成纹理的范例，并具有高保真度和鲁棒性。

May, 2021

本研究提出了一种自编码器体系结构，可以用于多纹理合成。该方法依赖于同时考虑二阶神经统计和自适应周期性内容的紧凑编码器和生成器，将图像嵌入一个紧凑和几何一致的潜空间，在这个空间内实现纹理表示和其空间组织的解耦。实验结果表明，该模型在视觉质量和各种纹理相关指标方面优于最先进的前馈方法。

Feb, 2023

我们介绍了一种在3D形状表面上直接操作的基于内在隐性扩散模型的框架，旨在合成高质量的纹理。通过对网格顶点上的离散矢量场编码纹理的隐式表示和学习在表面上的学习隐空间中去噪扩散过程的隐性扩散模型，我们的方法具有两个贡献。我们考虑了一种单一纹理网格范式，其中我们的模型被训练为在网格上生成给定纹理的变化。我们展示了合成的纹理与现有的单一纹理网格生成模型相比，具有较高的保真度。我们的模型还可以用于用户控制的编辑任务，例如修复缺失和标签引导的生成。我们提出的框架具有在等价变换下的等变性，这部分有助于我们方法的有效性，使我们的模型能够在局部相似区域之间无缝复现细节，并打开了生成纹理迁移的可能性。

Dec, 2023

本文提出了一种处理非稳定纹理合成的基于示例的方法，通过引入一种新的两步方法，用户首先使用标准图像编辑工具修改参考纹理，得到一个初步的目标合成图，随后采用自我校正的方法，利用预先训练的扩散网络和自注意力机制，渐进地将目标合成图与参考图进行对齐，从而保留所提供目标中的结构，并在非稳定纹理处理上取得了显著的进展。

Jan, 2024

从文本提示生成任意大小的纹理图像的新方法，通过精调扩散模型实现单一GPU上任意分辨率的输出纹理图像，并展示了生成纹理在3D渲染和纹理转换中的两个应用。

May, 2024

本研究针对纹理领域缺乏大规模多样数据的问题，提出了一种新方法和数据集，用于生成高质量、多样的纹理图像。通过开发输入提示、调整生成模型以及严格筛选，最终创建了一个包含362,880幅纹理图像的Prompted Textures Dataset (PTD)。研究发现，纹理图像在安全过滤过程中容易被错误标记，揭示了当前模型的潜在偏见。

Sep, 2024

本研究解决了扩散模型在合成结构化静态图案时的控制性不足问题，通过专门调整扩散模型生成能力，使用户能够直接控制部分手绘图案扩展为更大设计，同时保留原有结构和细节。实验结果表明，该方法在生成多样化、一致性的图案方面优于现有模型，具有重要影响。

Nov, 2024