论文页面 - SUPRA-TEX：具有超高对齐度纹理的 3D 生成

来源：https://huggingface.co/papers/2610.22352

摘要

SUPRA-Tex 将可见材质估计、表面对齐和 3D 补全解耦，以生成可重新打光的 3D 材质，保留参考图像细节并补全未观测表面\。

单图像 3D 生成 (https://huggingface.co/papers?q=Single%20image%203D%20generation)旨在为给定的 3D 网格赋予可重新打光的材质，同时忠实保留参考图像的视觉细节\。现有方法要么在融合不一致的多视图预测时引入伪影，要么难以通过隐式图像特征条件化保留精细细节\。为解决这些挑战，我们提出了 SUPRA-Tex，其核心原则是将可见材质估计、表面对齐和观测引导的 3D 补全解耦\。这种分工使得在有限 3D 数据上训练的 3D 生成器能够将其能力集中于保留可见信息并补全未观测表面\。具体而言，我们首先训练一个基于 MLLM 的图像编辑 (https://huggingface.co/papers?q=MLLM-based%20image%20editing)模型，以预测参考视角下剥离光照后的 PBR 贴图 (https://huggingface.co/papers?q=PBR%20maps)\。随后，我们将这些贴图投影到可见表面，并使用预训练的材质 VAE 编码器 (https://huggingface.co/papers?q=material%20VAE%20encoder)将其编码为原生观测潜变量 (https://huggingface.co/papers?q=observation%20latents)，使其与生成目标共享潜在空间\。交错式流 Transformer (https://huggingface.co/papers?q=interleaved%20flow%20transformer)将这些潜变量作为固定的只读锚点，同时交替执行未观测区域更新与全表面更新，以生成完整的材质潜变量\。这一设计实现了与参考图像的超高对齐度，在可见区域达到所见即所得的保真度，并对未观测表面进行连贯补全\。SUPRA-Tex 仅使用公开数据集训练，在几何条件纹理生成 (https://huggingface.co/papers?q=geometry-conditioned%20texturing)和端到端资产生成两项任务中均取得了最先进的性能，在真实场景图像上的表现达到甚至超越领先的商业系统\。项目页面：https://supra-3d.github.io/supratex/

查看 arXiv 页面 (https://arxiv.org/abs/2610.22352)查看 PDF (https://arxiv.org/pdf/2610.22352)项目页面 (https://supra-3d.github.io/supratex/)GitHub28 (https://github.com/Supra-3D/SUPRA-Tex)添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2610.22352)

引用此论文的模型0

没有关联此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2610.22352，即可从此页面链接到该模型\。

引用此论文的数据集0

没有关联此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.22352，即可从此页面链接到该数据集\。

引用此论文的 Space0

没有关联此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2610.22352，即可从此页面链接到该 Space\。

收录此论文的收藏集0

没有收录此论文的收藏集

将此论文添加到收藏集 (https://huggingface.co/new-collection)，即可从此页面链接到该收藏集\。