- GarmentDreamer: 基于 3DGS 的服装合成与多样几何纹理细节
本研究提出了一种名为 GarmentDreamer 的新型方法，它利用 3D 高斯喷雾（GS）作为指导，从文本提示中生成适用于仿真的 3D 服装网格。与使用由生成模型直接预测的多视图图像作为指导相比，我们的 3DGS 指导确保了服装变形和纹 - NoiseNCA：噪声种子改善神经细胞自动机的时空连续性
通过创新的方法，我们提出了一种改进的神经元细胞自动机（Neural Cellular Automata，NCA）模型，它可以在不同的时空颗粒度下保持连续动态，并能够进行模式形成速度和合成模式尺度的连续控制，为 NCA 研究开辟了新的领域。
- CVPR纹理可平铺性的可微度量
介绍了 TexTile，一种新的可微度量标准，用于评估纹理图像能否被连接而不产生重复伪影（瓷砖性）。通过对纹理图像的内在可重复性进行明确分析，TexTile 度量有效评估了纹理的可瓷砖性，为可瓷砖纹理的综合合成和分析提供了更准确的方法。同时 - 利用先进的纹理先验增强高保真度纹理生成
该研究提出了一种高分辨率、高保真度的纹理恢复技术，通过使用粗糙纹理作为初始输入，增强合成纹理与初始纹理之间的一致性，从而解决用户简化操作引起的混叠和模糊问题，并引入了基于自我监督方案的背景噪声平滑技术来解决当前高分辨率纹理合成方案中的噪声问 - 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 - 同步多视角扩散下的文本引导纹理
介绍一种新颖的方法用于合成给定 3D 对象的纹理，通过预训练的文本到图像扩散模型，提出了一种同步多视点扩散方法，早期生成的纹理内容达成一致，确保纹理的一致性。
- TexFusion：使用文本引导的图像扩散模型合成 3D 纹理
TexFusion（纹理扩散）是一种新的方法，利用大规模的文本引导图像扩散模型，对给定的三维几何图形进行纹理合成。
- 基于扩散的全局纹理矫正与合成
我们提出了一种新的框架来纠正自然图像中降解纹理样本中的遮挡和扭曲问题，该框架通过从降级样本中合成整体纹理，扩展了基于样本的纹理合成技术的适用性。框架利用具有遮挡感知的潜变换器的条件潜扩散模型，既能够有效地编码部分观测样本中的纹理特征以完成潜 - 融合 GAN 和纹理合成以增强道路损伤检测
交通安全和道路维护领域中，准确检测道路损伤对确保安全驾驶和延长道路耐久性至关重要。本研究提出了一种创新的方法，利用生成对抗网络生成具有不同形状的损伤，并通过纹理合成技术提取道路纹理，通过控制合成损伤的严重程度，嵌入到原始图像中，从而实现了损 - 使用采样和精炼网络从单张图像生成 3D 人类 Avatar 的纹理
本文提出了一种基于几何信息的 3D 人形头像纹理合成方法，该方法使用了两个卷积神经网络来填充源图像的遮挡区域、与目标 3D 网格表面对齐，并逐步学习以辅助实现此目标的课程学习机制，实验结果表明其在 qualitatively 和 quant - CVPRAUV-Net: 学习对齐 UV 贴图用于纹理迁移和合成
本文针对 3D 形状的纹理表达问题，提出了基于 2D 对齐 UV 映射的 AUV-Net 方法来实现纹理表达对齐，进而方便实现纹理传输、合成和重建。
- ICLR广义整流小波协方差模型用于纹理合成
该文提出了一种基于非线性小波表示的统计方法，其可以用作一层 CNN 的一种实例来提高图像纹理合成的视觉质量。该方法取代了以往经典的小波模型，并在灰度和彩色纹理上达到了与最先进模型相似的视觉效果。
- ICCVEgoRenderer：从自我中心摄像头图像渲染人类化身
EgoRenderer 是一种能够从佩戴式鱼眼相机获取的全身神经头像中合成具有照片般逼真感的图像的系统，其通过将渲染过程分解成多个步骤来解决由于自上而下视角和大规模扭曲而带来的挑战，包括纹理合成、姿态构造和神经图像转换等。
- ECCVSITTA: 单张图像纹理转换用于数据增强
本文提出一种数据扩充的方法 ——Single Image Texture Translation for data Augmentation (SITTA)，并研究其在纹理合成和图像翻译方面的应用。研究表明，使用 SITTA 方法可以提高图 - 高分辨率图像修复的聚合上下文变换
本文介绍了针对高分辨率图像（例如 512x512）的图像修复中出现的结构扭曲和纹理模糊挑战所提出的增强版 GAN 模型，该模型名为 AOT-GAN，它通过聚合从不同感受野捕捉的上下文变换来增强上下文推理，同时通过针对文本区域的遮罩预测任务来 - 转置器：利用特征图作为转置卷积滤波器的通用纹理合成技术
提出了一种基于转置卷积操作的新方法，通过对输入纹理的整个编码特征图作为转置卷积滤波器，以及捕捉自相关信息的特征相似性图作为转置卷积输入，从而在几乎实时的单次前向传递中一次性合成未见过的纹理。
- GramGAN: 基于深度学习的从 2D 样例生成 3D 纹理
本文提出了一种新颖的纹理合成框架，可以根据 2D 示例图像生成无限高质量的 3D 纹理，通过训练深度神经网络模型进行纹理生成，其中采用了结合样式迁移和生成对抗网络思想的新型损失函数，将分析网络深度特征的 Gram 矩阵与合成网络匹配，同时还 - CVPR学习纹理转换网络用于图像超分辨率
本文提出了一种基于注意机制的纹理转换神经网络（TTSR），采用 DNN 可学习的纹理提取器、相关嵌入模块、用于纹理传输的硬注意力模块，并且结合 LR 和 Ref 图像进行联合特征学习，从而实现图像的纹理恢复。经过广泛实验，TTSR 在定量和 - 探究视觉感知的纹理插值
采用最优传输理论来生成纹理样本，提出了一种基于卷积神经网络的插值方法，同时应用于人和猴子的视觉感知和神经敏感度研究，拓展了对视觉处理的理解。
- ICCVThree-D Safari: 从野外图像中学习估计斑马的姿态、形状和纹理
通过在动物自然环境下的图片中捕捉 Grevy 斑马的 3D 姿态、形状和纹理信息，为探究动物健康和行为提供了新的路径。该研究开发了一种新的方法，将 SMAL 动物模型与基于网络的回归管道相结合，通过训练合成图片，实现了对斑马形状和姿态的预测