Texture Generation for Three-Dimensional Models

В данной магистерской диссертации представлен новый подход к автоматической генерации 3D-текстур с использованием диффузионных моделей. Экспоненциальный рост таких отраслей, как игровая индустрия, анимация и промышленный дизайн, выявил необходимость в высококачественном 3D-контенте, в частности в текстурах, которые повышают реалистичность 3D-моделей. Традиционные методы создания текстур трудоемки и занимают много времени, что побуждает к разработке автоматизированных решений. Предлагаемый метод использует Score Distillation Sampling (SDS) для переноса возможностей предварительно обученных двумерных диффузионных моделей на генерацию 3D-текстур. Используя принципы физически-ориентированного рендеринга (PBR), создаются разнообразные и реалистичные текстуры, соответствующие заданным пользователем текстовым подсказкам. Метод использует дифференцируемый рендеринг для итеративной оптимизации параметров материала. Это обеспечивает согласованность генерируемых текстур с 3D-сеткой и точную настройку под условия освещения. Эффективность нашего подхода демонстрируется с помощью серии экспериментов. Данная работа вносит вклад в область генеративных моделей, предоставляя автоматизированное решение, которое открывает новые возможности для создания реалистичных и разнообразных 3D-текстур в различных областях.