論文の概要: Texture Space Material Diffusion

• arxiv url: http://arxiv.org/abs/2609.37654v2
• Date: Thu, 01 Oct 2026 14:05:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.526061
• Title: Texture Space Material Diffusion
• Title（参考訳）: 集合空間材料拡散
• Abstract要約: テキスト誘導材料生成、多視点材料生成、および材料アップスケーリングのためのビデオ拡散変換器を微調整する。 テクスチャ空間は2次元であるため、事前訓練されたビデオ拡散モデルの強い先行を再利用することができる。 提案手法は,高分解能(8K),100以上の入力ビュー,ニューラルマテリアル表現に拡張可能である。
• 参考スコア（独自算出の注目度）: 5.608166557024429
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a method for generating high quality materials for 3D objects entirely in texture space. We finetune a video diffusion transformer for text-guided material generation, multi-view material generation, and material upscaling. Our key insight is to use the known projection from image space to texture space, enabling the diffusion process to generalize across arbitrary geometries and texture parameterizations. This approach also avoids the view consistency issues inherent in video and multi-view diffusion models. Because texture space is two dimensional, we can reuse the strong priors of pretrained video diffusion models. We apply our method to high quality material reconstruction from posed photos captured under unknown lighting, as well as to text- and image guided material generation. Our method can scale to high resolutions (8K), 100+ input views, and neural material representations. In quantitative and qualitative evaluations we show state-of-the-art results for material generation and reconstruction.
• Abstract（参考訳）: テクスチャ空間における3次元オブジェクトの高品質な材料生成手法を提案する。 テキスト誘導材料生成、多視点材料生成、および材料アップスケーリングのためのビデオ拡散変換器を微調整する。 我々の重要な洞察は、画像空間からテクスチャ空間への既知のプロジェクションを使用することで、任意のジオメトリとテクスチャパラメータ化をまたいだ拡散プロセスの一般化を可能にすることである。 このアプローチはまた、ビデオやマルチビュー拡散モデルに固有のビュー一貫性の問題を回避する。 テクスチャ空間は2次元であるため、事前訓練されたビデオ拡散モデルの強い先行を再利用することができる。 本手法は,未知の照明下で撮影したポーズ画像から高品質な素材再構成と,テキストおよび画像案内材料生成に適用する。 提案手法は,高分解能(8K),100以上の入力ビュー,ニューラルマテリアル表現に拡張可能である。 定量的および定性的な評価では,材料生成と再構築のための最先端の結果を示す。

関連論文リスト

• SViM3D: Stable Video Material Diffusion for Single Image 3D Generation [48.986972061812004]
  ビデオ拡散モデルは、1つの画像から3Dオブジェクトを効率的に再構成するのに成功している。 我々は,映像拡散モデルを拡張し,空間的に変化するPBRパラメータと表面正規度を,明示的なカメラ制御に基づいて各生成したビューと共同で出力する。 このユニークなセットアップにより、私たちのモデルをニューラルプリエントとして使用した3Dアセットのリライトと生成が可能になります。
  論文  参考訳（メタデータ） (2025-10-09T14:29:47Z)
• 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)
• Generative Detail Enhancement for Physically Based Materials [25.631270458028066]
  本稿では,市販拡散モデルと逆レンダリングを用いて,物理材料の詳細性を高めるツールを提案する。 我々のゴールは、装い、老朽化、風化などの兆候を加えることで、しばしば著者にとって面倒な細部で素材の視覚的忠実度を高めることである。
  論文  参考訳（メタデータ） (2025-02-19T06:39:51Z)
• MaterialPicker: Multi-Modal DiT-Based Material Generation [27.007661861644376]
  本稿では,Diffusion Transformer (DiT) アーキテクチャを利用したマルチモーダル・マテリアル・ジェネレータを提案する。 本手法では, 被捕獲面が歪んだ場合でも, 試料の画像量に基づいて材料を生成することができる。 従来よりも多種多様な材料生成と歪み補正が可能であることを示す。
  論文  参考訳（メタデータ） (2024-12-04T11:23:15Z)
• MaPa: Text-driven Photorealistic Material Painting for 3D Shapes [79.13775179541311]
  本稿では,テキスト記述から3次元メッシュの材料を作成することを目的とする。 テクスチャマップを合成する既存の方法とは異なり、我々はセグメントワイドな手続き的な材料グラフを生成することを提案する。 我々のフレームワークは高品質なレンダリングをサポートし、編集にかなりの柔軟性を提供します。
  論文  参考訳（メタデータ） (2024-04-26T17:54:38Z)
• 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。