論文の概要: Towards Realistic 3D Emission Materials: Dataset, Baseline, and Evaluation for Emission Texture Generation

• arxiv url: http://arxiv.org/abs/2604.11006v1
• Date: Mon, 13 Apr 2026 05:14:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.33929
• Title: Towards Realistic 3D Emission Materials: Dataset, Baseline, and Evaluation for Emission Texture Generation
• Title（参考訳）: リアルな3次元エミッション材料に向けて:エミッションテクスチャ生成のためのデータセット, ベースライン, 評価
• Authors: Zhiyuan Zhang, Zijian Zhou, Linjun Li, Long Chen, Hao Tang, Yichen Gong,
• Abstract要約: 既存の3Dテクスチャ生成法は、数種類の非許容PBR材料しか生成できない。 本稿では,合成した3次元オブジェクトが入力参照画像から放射物質を忠実に再現できる新しい課題である発光テクスチャ生成を提案する。 この結果から,今後の産業応用の可能性が示唆された。
• 参考スコア（独自算出の注目度）: 21.875850654282285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D texture generation is receiving increasing attention, as it enables the creation of realistic and aesthetic texture materials for untextured 3D meshes. However, existing 3D texture generation methods are limited to producing only a few types of non-emissive PBR materials (e.g., albedo, metallic maps and roughness maps), making them difficult to replicate highly popular styles, such as cyberpunk, failing to achieve effects like realistic LED emissions. To address this limitation, we propose a novel task, emission texture generation, which enables the synthesized 3D objects to faithfully reproduce the emission materials from input reference images. Our key contributions include: first, We construct the Objaverse-Emission dataset, the first dataset that contains 40k 3D assets with high-quality emission materials. Second, we propose EmissionGen, a novel baseline for the emission texture generation task. Third, we define detailed evaluation metrics for the emission texture generation task. Our results demonstrate significant potential for future industrial applications. Dataset will be available at https://github.com/yx345kw/EmissionGen.
• Abstract（参考訳）: 3Dテクスチャ生成は、非テクスチャな3Dメッシュのための現実的で美的なテクスチャ素材の作成を可能にするため、注目を集めている。 しかし、既存の3Dテクスチャ生成法は、数種類の非許容PBR材料(例えば、アルベド、金属地図、粗さマップ)しか生成できないため、サイバーパンクのような人気のあるスタイルを再現することは困難であり、現実的なLED発光のような効果を達成できなかった。 この制限に対処するために,合成した3次元オブジェクトが入力参照画像から放射物質を忠実に再現することのできる新しいエミッションテクスチャ生成法を提案する。 まず、高品質の排出物質を含む40万3Dの資産を含む最初のデータセットであるObjaverse-Emissionデータセットを構築します。 次に,エミッションテクスチャ生成タスクのための新しいベースラインであるElectronGenを提案する。 第3に,エミッションテクスチャ生成タスクの詳細な評価指標を定義した。 この結果から,今後の産業応用の可能性が示唆された。 Datasetはhttps://github.com/yx345kw/EmissionGen.comから入手できる。

関連論文リスト

• LaFiTe: A Generative Latent Field for 3D Native Texturing [72.05710323154288]
  既存のネイティブアプローチは、その生成したテクスチャの忠実さと一般性を著しく制限する、強力で多目的な表現が欠如しているため、疎外である。 粗い色表現と紫外パラメータ化によって制約された高品質なテクスチャを生成するLaFiTeを紹介する。
  論文  参考訳（メタデータ） (2025-12-04T13:33:49Z)
• Large Material Gaussian Model for Relightable 3D Generation [54.10879517395551]
  物理ベースレンダリング(PBR)素材を用いた高品質な3Dコンテンツ作成のための新しいフレームワークを提案する。 また,本手法は,ベースライン法に比べて視覚的魅力が向上するだけでなく,材料モデリングも向上し,下流レンダリングの実用化を可能にした。
  論文  参考訳（メタデータ） (2025-09-26T09:35:12Z)
• RealMat: Realistic Materials with Diffusion and Reinforcement Learning [15.780720815063262]
  本稿では,現実的な先行情報を活用する拡散型物質生成装置であるRealMatを提案する。 まず,2倍の格子で配置された合成材料マップを用いて,予め訓練した安定拡散XL(SDXL)を微調整する。 本稿では,Regress Learning (RL) を通じてモデルをさらに微調整し,現実的な素材の創出を促すことを提案する。
  論文  参考訳（メタデータ） (2025-09-01T05:04:51Z)
• Boosting 3D Object Generation through PBR Materials [32.732511476490316]
  物理ベースレンダリング(PBR)材料の観点から,生成した3Dオブジェクトの品質を高める新しい手法を提案する。 アルベドやバンプマップでは、合成データに微調整された安定拡散を利用してこれらの値を抽出する。 粗さと金属度マップについては,対話的な調整を行うためのセミオートマチックなプロセスを採用する。
  論文  参考訳（メタデータ） (2024-11-25T04:20:52Z)
• TEXGen: a Generative Diffusion Model for Mesh Textures [63.43159148394021]
  我々は、UVテクスチャ空間自体における学習の根本的な問題に焦点を当てる。 本稿では,点クラウド上にアテンション層を持つUVマップ上の畳み込みをインターリーブするスケーラブルなネットワークアーキテクチャを提案する。 テキストプロンプトとシングルビュー画像によって導かれるUVテクスチャマップを生成する7億のパラメータ拡散モデルを訓練する。
  論文  参考訳（メタデータ） (2024-11-22T05:22:11Z)
• 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)

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。