人工智能学院为第一单位的研究成果《UltraTex: Unleashing 2K Multi-View Diffusion for 3D Texturing》被计算机图形学顶级会议SIGGRAPH ASIA2026条件接收。2025级博士生张轶博为第一作者，马锐老师为通讯作者。
论文详情：
题目：UltraTex: Unleashing 2K Multi-View Diffusion for 3D Texturing
论文作者：Yibo Zhang(2025级博士生), Ze Yuan, Nan Cao, Li Zhang, Yanpei Cao, Yuanchen Guo, Rui Ma
指导教师：马锐
会议名称：SIGGRAPH ASIA 2026
论文概述：高质量纹理生成是创建逼真且可用于实际生产的三维资产的关键。尽管近年来多视图扩散方法在图像引导的三维纹理生成中取得了显著进展，但其分辨率通常受限于512 或 768，难以保留高分辨率参考图像中的细粒度纹理；而将其扩展至 2048 分辨率会带来巨大的显存开销与推理延迟。本文提出 UltraTex，一种高效的高分辨率三维纹理生成框架。我们观察到，以物体为中心的多视图渲染中主要存在两类计算冗余：一是背景区域带来的序列冗余，二是前景区域内部稀疏的Token 交互。针对上述问题，本文提出背景Token 丢弃策略，在输入 DiT 主干网络之前移除背景 Token；同时引入块稀疏注意力机制，以降低保留前景序列上的注意力计算开销。为在实现高效前景推理的同时避免重建伪影，我们进一步设计了前景感知VAE 解码方法，从而保障最终高分辨率视图的生成质量。为满足 2K分辨率多视图扩散模型对训练数据规模与质量的严苛要求，我们构建了G-buffer TexVerse，一个包含超过268,000 个三维资产的大规模超高分辨率多视图渲染数据集。大量实验结果表明，UltraTex 能够生成具有高度视觉保真度和丰富细粒度细节的三维纹理，并显著提升训练与推理效率。在该数据集的典型样本上，相较于基线方法，UltraTex 可实现 20.6倍至91.1倍的训练加速，以及22.3倍至74.6倍的端到端推理加速。
