physically based rendering
PulseAugur coverage of physically based rendering — every cluster mentioning physically based rendering across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
New framework generates relightable 3D mesh assets from multi-view images
Researchers have developed ExMesh++, a novel framework for generating editable and relightable mesh assets from multi-view images. This staged approach first refines mesh geometry and topology while preserving UV consis…
-
Luce：用于高保真资产生成的新型3D表示
研究人员推出Luce，一种专为高保真图像到3D资产生成设计的新型3D表示。Luce将几何体和基于物理的渲染（PBR）材质统一在一个体素化的多模态高斯云中，使得资产能够被重新照明并集成到标准的渲染管线中。该系统利用变分自编码器进行压缩，并使用Rectified Flow transformer从单张图像生成，在Toys4K数据集上展示了最先进的性能，并提高了AI生成图像的CLIP图像对齐分数。
-
EasyStock 使用人工智能进行自然语言股票研究
EasyStock 是一款人工智能驱动的研究工具，旨在帮助投资者寻找日本股票。它允许用户使用自然语言输入股票标准，超越了传统的股票筛选器。该平台支持整个投资研究过程，从初步筛选到对个股进行深入的人工智能分析，从而简化了投资机会的发现和理解。
-
五款图像转3D工具测试：Tripo、Meshy、Trellis、Hunyuan3D、Stable Fast 3D
一项对比测试评估了五款领先的图像转3D转换工具：Tripo、Meshy、Trellis、Hunyuan3D和Stable Fast 3D。虽然所有工具都可以在大约一分钟内从2D图像生成3D模型，但它们的性能、许可和理想用例差异很大。评估考虑了速度、几何形状、纹理、许可、成本和硬件要求等因素，并指出工具的选择在很大程度上取决于预期应用，例如游戏资产创建、快速原型设计或本地开源开发。
-
新框架使用扩散模型从单张图像重建3D头像
研究人员开发了一个新颖的框架，通过利用预训练扩散模型中的级联低秩适配（LoRA）技术，从单张图像重建高保真3D头像。该方法解决了PBR数据有限以及光照与材质属性分离的挑战。该方法采用专门的LoRA进行纹理补全和光照均化，并结合跨本征注意力机制生成物理上可行的PBR贴图，仅使用不到100个3D扫描数据进行训练。
-
新方法从图像中提取复杂神经材质
研究人员开发了NeuMatEx，一种新颖的可微分逆渲染方法，旨在从多视图图像中提取复杂的神经材质。该方法利用大型材质重建模型（LMRM）来预测初始材质属性和潜在表示，然后指导逆路径追踪优化。该方法旨在克服表示和创作复杂镜面反射和散射效应的挑战，与传统的基于物理的渲染技术相比，可提供更高的视觉质量和材质分解能力。
-
新的HAFMat框架增强了单图像人类材质估计
研究人员推出了一种名为HAFMat的新型框架，旨在改进从单个人类图像中估计基于物理渲染（PBR）材质。该方法通过采用多层自适应特征融合机制来解决此类估计中固有的歧义。该机制在解码过程的不同阶段自适应地整合各种引导线索，包括外观、身体几何和语义信息。实验表明，HAFMat在合成和真实世界数据上均实现了材质估计和后续重新照明任务的最先进结果。
-
PIXLRelight 实现可控的单图像重照明
研究人员开发了 PIXLRelight，一种用于可控单图像重照明的新型前馈系统。该方法通过利用源自真实照片或 PBR 渲染的共享内在条件，将基于物理的渲染与学习到的图像合成联系起来。该系统将图像分解为反照率、漫反射阴影和残差，以条件化基于 transformer 的神经渲染器，从而实现任意 PBR 风格的照明控制，并保持高图像细节。PIXLRelight 实现了最先进的质量，每张图像的处理时间不到十分之一秒。