纹理化在3D形状表面上生成纹理

最近，在3D几何建模方面有了显着改进。然而，生成完全纹理化的3D对象仍然是一个挑战。最近发表在arXiv.org上的一篇论文建议使用Texturify为3D形状集合自动生成纹理。

给定一个形状几何，Texturify学习在从潜在纹理空间采样时自动在形状上生成各种不同的纹理。该方法仅使用一组图像和一组来自同一类类别的3D形状几何图形，而不需要任何3D纹理监督。

生成对抗网络使用输入形状几何和潜在纹理代码直接在网格表面上合成纹理。研究人员证实了Texturify在使用真实世界图像训练的ShapeNet椅子和汽车纹理方面的有效性。

结果表明，该方法创建了逼真的高保真纹理，并且优于最先进的方法。

3D对象上的纹理提示是引人注目的视觉表示的关键，可以创建具有跨不同视图的固有空间一致性的高视觉保真度。由于纹理3D形状的可用性仍然非常有限，因此学习基于3D输入预测纹理的3D监督数据驱动方法非常具有挑战性。因此，我们提出了Texturify，这是一种基于GAN的方法，它利用对象类的3D形状数据集，并通过生成高质量纹理来学习重现在真实图像中观察到的外观分布。特别是，我们的方法不需要任何3D颜色监督或形状几何和图像之间的对应来学习3D对象的纹理。Texturify通过在分层4-RoSy参数化上引入人脸卷积算子直接在3D对象的表面上操作，以生成合理的对象特定纹理。采用可区分的渲染和对抗性损失来批评单个视图和视图之间的一致性，我们有效地从真实世界的图像中学习高质量的表面纹理分布。对汽车和椅子形状集合的实验表明，我们的方法在FID得分上平均优于现有技术22%。