論文の概要: CoatFusion: Controllable Material Coating in Images
- arxiv url: http://arxiv.org/abs/2512.02143v1
- Date: Mon, 01 Dec 2025 19:13:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-03 21:04:45.578194
- Title: CoatFusion: Controllable Material Coating in Images
- Title（参考訳）: CoatFusion:画像の制御可能な材料コーティング
- Authors: Sagie Levy, Elad Aharoni, Matan Levy, Ariel Shamir, Dani Lischinski,
- Abstract要約: 本稿では,薄膜層を物体に塗布する新しい画像編集タスクであるMaterial Coatingを紹介する。
CoatFusionは、リアルでコントロール可能なコーティングを生成し、この新しいタスクにおける既存の素材の編集と転送方法を大幅に上回っている。
- 参考スコア（独自算出の注目度）: 32.84440595085109
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce Material Coating, a novel image editing task that simulates applying a thin material layer onto an object while preserving its underlying coarse and fine geometry. Material coating is fundamentally different from existing "material transfer" methods, which are designed to replace an object's intrinsic material, often overwriting fine details. To address this new task, we construct a large-scale synthetic dataset (110K images) of 3D objects with varied, physically-based coatings, named DataCoat110K. We then propose CoatFusion, a novel architecture that enables this task by conditioning a diffusion model on both a 2D albedo texture and granular, PBR-style parametric controls, including roughness, metalness, transmission, and a key thickness parameter. Experiments and user studies show CoatFusion produces realistic, controllable coatings and significantly outperforms existing material editing and transfer methods on this new task.
- Abstract（参考訳）: 本稿では,物体に薄い材料層を塗布し,その基盤となる粗さと微細な形状を保ちながらシミュレーションする,新しい画像編集タスクであるMaterial Coatingを紹介する。
素材コーティングは、物体の固有の材料を置き換えるために設計され、しばしば細部を上書きする既存の「物質移動」方法と根本的に異なる。
この課題に対処するため,我々はDataCoat110Kという,物理的に多様なコーティングを施した3Dオブジェクトの大規模合成データセット(110K画像)を構築した。
次に,2次元アルベドテクスチャと粒度の両方に拡散モデルを適用し,粗さ,金属性,透過性,鍵厚パラメータを含むPBR型パラメトリック制御を行うことで,この課題を実現する新しいアーキテクチャであるCoatFusionを提案する。
実験とユーザスタディにより、CoatFusionはリアルで制御可能なコーティングを生産し、この新しいタスクにおける既存の素材の編集と転送方法を大幅に上回っている。
関連論文リスト
- MatSwap: Light-aware material transfers in images [18.37330769828654]
MatSwap(マットスワップ)は、画像内の指定された表面に物質を移す方法である。
我々は、露光紫外線マッピングを必要とせずに、入力材料とシーン内の外観の関係を学習する。
本手法では,シーンの同一性を保ちながら,所望の素材を写真中のターゲット位置にシームレスに統合する。
論文 参考訳（メタデータ） (2025-02-11T18:59:59Z) - MaterialFusion: High-Quality, Zero-Shot, and Controllable Material Transfer with Diffusion Models [1.7749342709605145]
本稿では,高品質な物質移動のための新しいフレームワークであるMaterialFusionを紹介する。
ユーザーは、新しい材料特性とオブジェクトの本来の特徴の最適なバランスを保ちながら、材料応用の度合いを調整できる。
論文 参考訳（メタデータ） (2025-02-10T16:04:33Z) - Material Anything: Generating Materials for Any 3D Object via Diffusion [39.46553064506517]
本稿では,3次元オブジェクトのための物理的材料を生成するための,完全自動統合拡散フレームワークを提案する。
Material Anythingは、多様な照明条件下でオブジェクトに適応可能な堅牢でエンドツーエンドのソリューションを提供する。
論文 参考訳（メタデータ） (2024-11-22T18:59:39Z) - MaterialFusion: Enhancing Inverse Rendering with Material Diffusion Priors [67.74705555889336]
本稿では,テクスチャと材料特性に先立って2Dを組み込んだ,従来の3次元逆レンダリングパイプラインであるMaterialFusionを紹介する。
本稿では,2次元拡散モデルであるStableMaterialについて述べる。
種々の照明条件下で, 合成および実物体の4つのデータセット上でのMaterialFusionの照度特性を検証した。
論文 参考訳（メタデータ） (2024-09-23T17:59:06Z) - MaterialSeg3D: Segmenting Dense Materials from 2D Priors for 3D Assets [63.284244910964475]
本稿では,2次元のセマンティクスから基礎となる物質を推定する3次元アセット素材生成フレームワークを提案する。
このような先行モデルに基づいて,材料を三次元空間で解析する機構を考案する。
論文 参考訳（メタデータ） (2024-04-22T07:00:17Z) - Alchemist: Parametric Control of Material Properties with Diffusion
Models [51.63031820280475]
本手法は,フォトリアリズムで知られているテキスト・イメージ・モデルの生成先行に乗じる。
我々は,NeRFの材料化へのモデルの適用の可能性を示す。
論文 参考訳（メタデータ） (2023-12-05T18:58:26Z) - MaterialGAN: Reflectance Capture using a Generative SVBRDF Model [33.578080406338266]
本稿では,StyleGAN2をベースとした深層生成畳み込みネットワークであるMaterialGANを提案する。
逆レンダリングフレームワークにおいて,MaterialGANは強力な素材として利用できることを示す。
携帯端末を用いたフラッシュ照明下で撮影された画像からSVBRDFを再構成する作業において,この枠組みを実証する。
論文 参考訳（メタデータ） (2020-09-30T21:33:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。