计算机辅助设计与图形学学报

作者：郑传焜, 范航明, 林子豪, 霍宇驰, 王锐, 鲍虎军

关键词：真实感绘制, 神经绘制, 材质表示, 材质生成

材质的高保真表示与高效生成技术对于提升绘制场景的真实感和多样性具有重要意义, 一直是计算机图形学领域的重要研究内容. 由于真实世界材质具有复杂光学特性与丰富的外观变化, 传统的材质表示与生成方法在重建质量、算法效率、生成多样性等方面仍面临诸多挑战. 近年来, 深度学习技术的迅猛发展为材质表示与生成提供了新的解决思路, 展现出巨大潜力. 文中系统地总结了当前基于深度学习的高保真材质表示与生成的相关研究. 首先围绕 BRDF, SVBRDF, BTF, BSSRDF 等主流材质模型, 深入探讨神经材质表示方法的最新研究进展, 并对相关高质量公开数据集进行整理; 然后详细讨论神经材质生成方法中的重要研究方向, 包括基于稀疏观测的材质重建、 软约束下的材质生成和最新的多模态驱动生成技术等; 最后指出神经材质表示与生成潜在的发展方向——神经表示与生成技术的深度融合、高效可部署的神经材质表示、多模态联合建模与控制生成等, 旨在为该领域的未来研究提供参考和启示, 推动高保真神经材质表示与生成技术的持续进步与应用拓展.

来源：2025年第9期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第9期