Sep, 2023

TwinTex: 面向抽象 3D 建筑模型的几何感知纹理生成

PDF
TL;DR本文介绍了一种用于生成分段平面代理的自动纹理映射框架 TwinTex，通过选择一组照片并提取线特征，利用优化算法将纹理与几何对齐，并使用扩散模型来修复缺失区域，实现了高保真质量的纹理贴图。
coarse architectural modelsautomatic texture mappingphoto-realistic textureline featurestexture mapping methods
发现论文，激发创造
  • RoomTex: 室内场景的组合纹理生成与修复

    提出了名为 RoomTex 的粗糙到精细的三维场景纹理框架，用于生成高保真度和样式一致的纹理，以应对复合场景网格的纹理问题。

    Jun, 2024

  • 3DTextureTransformer：对任意网格拓扑进行几何感知纹理生成

    使用名为 3DTextureTransformer 的新颖框架，结合几何深度学习和 StyleGAN 类似的架构，能够在不改变原始高分辨率输入网格拓扑的情况下生成高质量的纹理。该架构在学习来自 3D 几何体和现实世界 2D 图像的情况下，与任意网格拓扑一起工作，取得了该类解决方案中的最新性能。

    Mar, 2024

  • TexPainter: 多视角一致性的生成网格纹理

    通过梯度反向传播间接修改潜在编码，并使用优化方法的颜色融合技术来实现多视角一致性，从而提高生成纹理的质量和一致性。

    May, 2024

  • Mesh2Tex: 从图像查询生成网格纹理

    Mesh2Tex 使用一种混合网格神经场纹理表示法，从未相关的三维物体几何和照片逼真的 RGB 图像的集合中学习出真实的物体纹理流形，以生成适用于下游应用和 3D 渲染的纹理对象，并可以在具有挑战性的真实世界场景下有效地生成逼真的物体纹理。

    Apr, 2023

  • TexDreamer：面向零样本高保真 3D 人体纹理生成

    利用 TexDreamer 模型，我们通过有效的纹理自适应微调策略将大型文本到图像模型转化成语义化 UV 结构，在保留其原始泛化能力的同时，能够在数秒内生成高保真度的 3D 人体纹理。此外，我们还介绍了包含 50k 高保真度的纹理及文本描述的 ATLAS 高分辨率 3D 人体纹理数据集。

    Mar, 2024

  • Cloth2Tex: 自定义三维虚拟试穿的布料纹理生成流程

    利用称为 Cloth2Tex 的自监督方法生成高质量纹理地图，该方法消除了传统基于变形的纹理生成方法中手动选择控制点的繁琐过程，并结合潜在扩散模型实现高保真度纹理修复，该方法相比其他方法具有最佳视觉效果。

    Aug, 2023

  • SceneTex: 室内场景的高质量纹理合成基于扩散先验

    SceneTex 是一种使用基于深度到图像扩散先验的方法，在室内场景中有效地生成高质量且样式一致的纹理。它通过在 RGB 空间中将纹理合成任务形式化为一个优化问题，正确反映了样式和几何一致性。SceneTex 通过多分辨率纹理场隐式编码网格外观，并通过基于分数蒸馏的目标函数在各自的 RGB 渲染中优化目标纹理。为了进一步确保视图之间的样式一致性，我们引入了交叉注意力解码器来通过交叉关注每个实例中的预采样参考位置来预测 RGB 值。SceneTex 在 3D-FRONT 场景中实现了各种准确的纹理合成，相比之前的纹理生成方法在视觉质量和快速保真度上有显着改进。

    Nov, 2023

  • 针对室内 RGB-D 重建的几何和纹理的高效基于平面的优化

    我们提出了一种基于平面基元的 RGB-D 室内场景重建新方法，通过适应平面构建整个场景的低多边形网格，保留原始场景的几何细节和锐利特征并生成清晰的面纹理，相较于现有方法更有效的从 RGB-D 数据生成纹理网格。

    May, 2019

  • DreamSpace: 以文本驱动的全景纹理传播梦想您的房间空间

    提出了一种新颖的室内场景纹理生成框架，通过联想和模仿技术，以及采用粗到精的全景纹理生成方法和双重纹理对齐，实现了以文本为驱动的纹理生成，具有迷人的细节和真实的空间一致性。

    Oct, 2023

  • 3DTopia: 带混合扩散先验的大规模文本到 3D 生成模型

    我们提出了一个两阶段的文本到 3D 生成系统，名为 3DTopia，它使用混合扩散先验在 5 分钟内生成高质量的通用 3D 资产。第一阶段直接从 3D 数据学习的 3D 扩散先验中采样，由文本条件的三视图潜在扩散模型提供动力，快速生成用于快速原型设计的粗糙 3D 样本。第二阶段利用 2D 扩散先验进一步优化第一阶段中粗糙 3D 模型的纹理。优化包括潜在空间和像素空间的优化，用于生成高质量的纹理。为了促进所提出系统的训练，我们通过结合视觉语言模型和大型语言模型清洗和加标最大的开源 3D 数据集 Objaverse。实验证据定性和定量地展示了所提出系统的性能。我们的代码和模型可在此 https 网址获得。

    Mar, 2024