紋理化在3D形狀表面上生成紋理

最近，在3D幾何建模方面有了顯著改進。然而，生成完全紋理化的3D對象仍然是一個挑戰。最近發表在arXiv.org上的一篇論文建議使用Texturify為3D形狀集合自動生成紋理。

給定一個形狀幾何，Texturify學習在從潛在紋理空間采樣時自動在形狀上生成各種不同的紋理。該方法僅使用一組圖像和一組來自同一類類別的3D形狀幾何圖形，而不需要任何3D紋理監督。

生成對抗網絡使用輸入形狀幾何和潛在紋理代碼直接在網格表面上合成紋理。研究人員證實了Texturify在使用真實世界圖像訓練的ShapeNet椅子和汽車紋理方面的有效性。

結果表明，該方法創建了逼真的高保真紋理，并且優于最先進的方法。

3D對象上的紋理提示是引人注目的視覺表示的關鍵，可以創建具有跨不同視圖的固有空間一致性的高視覺保真度。由于紋理3D形狀的可用性仍然非常有限，因此學習基于3D輸入預測紋理的3D監督數據驅動方法非常具有挑戰性。因此，我們提出了Texturify，這是一種基于GAN的方法，它利用對象類的3D形狀數據集，并通過生成高質量紋理來學習重現在真實圖像中觀察到的外觀分布。特別是，我們的方法不需要任何3D顏色監督或形狀幾何和圖像之間的對應來學習3D對象的紋理。Texturify通過在分層4-RoSy參數化上引入人臉卷積算子直接在3D對象的表面上操作，以生成合理的對象特定紋理。采用可區分的渲染和對抗性損失來批評單個視圖和視圖之間的一致性，我們有效地從真實世界的圖像中學習高質量的表面紋理分布。對汽車和椅子形狀集合的實驗表明，我們的方法在FID得分上平均優于現有技術22%。