@simo_foti:Heat Kernel Textures (HKTex) 在 #ECCV2026 上荣获最佳论文奖。UV映射将3D纹理锚定在过去。我…
摘要
Heat Kernel Textures (HKTex) 是一种无UV的纹理表示方法,利用流形表面上的各向异性热核,荣获 ECCV 2026 最佳论文奖。它解决了UV映射问题,并能从多视图图像或现有纹理中进行优化。
查看缓存全文
缓存时间: 2026/09/10 22:26
热核纹理(HKTex)在#ECCV2026上荣获最佳论文奖。UV映射将三维纹理锚定于传统框架。受三维高斯溅射启发,我们运用热核理念重新思考纹理表征——完全摒弃溅射方式!https://circle-group.github.io/research/HeatKernelTextures/…
热核纹理
来源:https://circle-group.github.io/research/HeatKernelTextures/ AI生成播客:
您的浏览器不支持音频播放。
摘要
三维高斯溅射(3DGS)近期革新了新视角合成技术及众多三维视觉方法与应用。受此表征方式启发,我们重新思考纹理技术,旨在克服UV映射的主要缺陷并显著降低其内存占用。热核纹理(HKTex)彻底消除了UV展开及其长期存在的空间浪费、接缝、畸变、顶点重复和分辨率不一致等问题。基于离散黎曼几何理论,HKTex天然适配于任意三角网格表示的流形表面,使用各向异性热核作为高斯函数在测地空间上的对应表征。与核心算法同步,其位置优化策略与自适应密度控制方案均重新设计,可在待纹理化物体表面直接操作。这种全新表征方式完全兼容基于物理的渲染器,既能从现有纹理启动优化,也可通过多视角图像进行训练。
热核纹理框架
**热核纹理(HKTex)**是一种内禀式、无需UV的纹理表征,各向异性热核作为高斯函数在测地空间的对应表征,可与网格几何天然契合。给定网格模型、已知相机参数及热核初始状态,我们通过基于Mitsuba的光线追踪器对表征进行持续评估与可微渲染。渲染像素与多视角真值图像对应像素进行对比,该方法亦可通过直接计算任意表面位置的纹理值并与对应UV值比对,从而适配现有UV纹理。最终通过反向传播更新热核形状参数及其强制保留在表面的位置信息。
热核纹理框架概览
核调制
每个热核直接定义于表面,由源位置、扩散角度、各向异性参数(控制方向与伸展)、尺度、锐度及RGB颜色共同参数化。
热核纹理核调制机制
优化与密度控制
通过带动量的黎曼梯度下降法沿表面更新核位置(仅因DiGeo技术得以实现 https://circle-group.github.io/research/DSG/)。流形感知控制器同步执行:裁剪非活跃核,并通过沿流形主轴克隆或分裂核的方式,对重建不足区域进行动态密度增强。
DiGeo技术标识(https://circle-group.github.io/research/DSG/)
实验结果
定量评估雷达图
UV纹理适配效果
同步展示基于标准UV贴图适配的所有基准模型的多视角旋转与材质渲染效果。使用滑块可旋转所有模型,点击材质按钮可切换材质。
0°60°120°180°240°300° UV纹理适配结果对比
多视角逆向渲染
直接从多视角图像观测优化实现的新视角合成与材质外观分解。使用滑块可旋转所有模型,点击材质按钮可切换材质。
0°60°120°180°240°300° 多视角结果对比
参考文献
@inproceedings{foti2026hktex, author = {Foti, Simone and Korkmaz, Caner and Zafeiriou, Stefanos and Birdal, Tolga}, title = {Heat Kernel Textures: the Geodesic Gaussians That Do Not Splat}, booktitle = {Computer Vision -- ECCV 2026}, year = {2026}, publisher = {Springer Nature Switzerland}, pages = {306--323}, doi = {10.1007/978-3-032-37595-7_17}, }
相似文章
UltraFlux:数据-模型协同设计实现多种宽高比下的高质量原生4K文本到图像生成
UltraFlux 提出了一种数据-模型协同设计方法,用于多种宽高比下的原生4K文本到图像生成,解决了位置编码、VAE压缩和优化挑战。它优于现有的开源基线,并达到了与 Seedream 4.0 等专有模型相当的水平。
@AnimaAnandkumar: 祝贺!
彭瑞韩(Pengrui Han)的论文在ICML理论与基准结合研讨会(ICML Combining Theory and Benchmarks Workshop)上获得最佳论文奖,Anima Anandkumar表示祝贺。
@HuggingPapers:微软刚刚在Hugging Face上发布了Lens,一个38亿参数的文本到图像模型,提供高效训练和高…
微软在Hugging Face上发布了Lens,一个38亿参数的文本到图像模型,支持高效训练和高达1440×1440的高分辨率生成。
nvidia/Cosmos3-Super-Text2Image
NVIDIA 发布了 Cosmos3-Super-Text2Image,这是一个文生图模型,属于 Cosmos3 全模态世界模型平台的一部分,用于物理 AI,使机器能够理解和模拟物理世界。
i1:一个简单且完全开放的强文本到图像模型配方
本文介绍了i1,一个3B参数的文本到图像扩散模型,在性能上与领先的闭源模型竞争,同时完全开放(权重、数据、代码)。它提供了来自300多项控制实验的见解,并为开放研究提供了实用配方。