【EGSR2025】材质+扩散模型+神经网络相关论文整理随笔（三）

给定一个3D模型和一段文本指令（也可以是一张图像），该方法能通过微调的视频扩散模型（video diffusion models）生成高质量的PBR材质，从而在不同光照下进行渲染，见下图：

这篇文章先将几何和光照条件输入到视频扩散模型中，得到同一个3D模型的不同视角的图像（video形式），这些图像被赋予了与输入指令匹配的材质。然后采用一个模型从生成的video中去提取本征属性，包括base color, roughness, metallic。最后，将这些本征属性和生成的video一起输入可微的路径追踪器，从而提取出可以兼容常见内容创作工具的PBR材质。

下图展示了整个工作流的overview：

我们根据这个图介绍一些细节。首先，该方法中包含了两个video model。第一个video model的作用是，输入目标物体的法线video、shading video（包含diffuse，半specular，全specular三种情况，光照假设已知，这里的diffuse和specular是指Cook-Torrance着色时的diffuse和specular两部分）和代表材质信息的相关指令，输出被赋予材质后的物体多个视角下的生成结果。然后，再把生成的video输入到第二个video model中进行本征分解，然后生成材质属性的G-buffers（base color、roughness、metallic） video。最后将第一个模型生成的video和第二个模型生成的video以及已知的3D几何和HDR环境光贴图输入到可微的路径追踪器中进行多视角重建，从而提取出高质量的PBR材质来。

这篇文章的流程跟MAPA、DreamMAT有点像，但是具体细节不相同，感兴趣的读者可以去看看。