「把纹理表示换了个底层逻辑」目录01 现有纹理方案躲不开的现实麻烦1.1 传统UV贴图1.2 神经隐式纹理、顶点色方案1.3 高斯溅射衍生纹理方案ImageGS/MeshGS02 流形之上的热核位置、形态、自适应增删全套流形感知2.1 连续各向异性热核求值突破网格顶点离散束缚2.2 黎曼测地线优化从根源阻止基元飘离曲面2.3 流形感知的核剪枝与加密2.4 对接可微物理渲染支持两条优化链路03 拆解实验看懂数字背后的能力边界3.1 UV纹理压缩任务3.2 多视图逆渲染重建纹理3.3 开销层面现实取舍04 写在最后ECCV 2026于9月8‑12日在瑞典马尔默举办本届有效投稿10473篇接收2834篇接收率27.1%仅163篇入选Oral占比1.6%。本届最佳论文被伦敦帝国学院《Heat Kernel Textures -- the Geodesic Gaussians That Do Not Splat》摘得用非欧几里得流形上基于热扩散的测地高斯取代了标准的 UV 映射和高斯泼溅。HKTexHeat‑Kernel Textures热核纹理跳出两套成熟范式的局限完全摒弃UV参数化直接在三角网格流形表面定义各向异性热核充当测地意义下的“流形版高斯”。全部基元的位置更新、形态调整、自适应增删剪枝全部在黎曼几何约束下完成天然绑定在物体曲面上。整套框架可以无缝接入可微PBR物理渲染管线既能对现有UV纹理做高压缩比的纹理烘焙也可以仅依靠多视图图像完成逆渲染重建纹理。01 现有纹理方案躲不开的现实麻烦1.1 传统UV贴图将三维曲面摊开到二维图像平面存储色彩信息。 优势工业工具链极度成熟渲染速度快短板UV展开本身是繁琐预处理工序会带来接缝 artifact、纹理拉伸、局部分辨率不均为处理接缝必须复制顶点UV空白区域造成存储浪费网格拓扑越复杂UV展开的难度越高。1.2 神经隐式纹理、顶点色方案代表包括NeuTex、Intrinsic Neural Fields等隐式网络以及网格顶点色表达。 优势一定程度绕开手动UV展开短板MLP类隐式网络推理开销大顶点色的纹理细节上限完全由网格顶点密度决定想要精细外观就必须加密网格存储开销随之暴涨。1.3 高斯溅射衍生纹理方案ImageGS/MeshGS把二维/三维高斯基元用于纹理表达分为欧氏空间、UV域两条路线。欧氏空间高斯基元可以飘离网格表面正则损失仅作为事后约束无法从数学定义上保证贴合曲面UV域高斯将高斯放置在UV平面看似避开三维漂移却重新依赖UV展开畸变、接缝等老问题依旧存在。图| HKTex基于热核的无UV本征纹理表达。左黎曼框架约束核运动保持在曲面之上流形感知控制器管理核形状与密度在可微光线追踪管线内完成求值。右最终基于物理渲染结果HKTex给出了不一样的解法既不依赖二维UV平面也不在三维欧氏空间放置基元直接在流形曲面之上定义热核热扩散沿着测地线在物体表面传播基元的定义本身就依附网格几何。02 流形之上的热核位置、形态、自适应增删全套流形感知HKTex由大量可优化热核基元构成。每一枚热核包含源点位置、各向异性旋转角度、扩散尺度、边界锐度、RGB颜色等可学习参数。整套技术链路包含热核连续求值、黎曼测地线位置更新、流形感知剪枝‑加密策略对接Mitsuba3可微PBR渲染。通俗理解热核相当于只能贴着物体表面扩散的“椭圆光斑”光斑不会飘出或者穿透网格光斑形态可以顺着曲面曲率旋转拉伸多个热核加权叠加就可以计算出曲面上任意一点的最终颜色。2.1 连续各向异性热核求值突破网格顶点离散束缚论文基于拉普拉斯‑贝尔特拉米算子(LBO)谱分解计算热核支持对网格表面任意点求值不局限于原始网格顶点。为了控制计算复杂度引入双调和距离KNN近邻裁剪每个着色点只评估周边有限数量热核的贡献把计算复杂度控制在工程可接受的区间。图| 各向异性拉普拉斯‑贝尔特拉米算子局部参考框架示意图数值层面做归一化稳定优化搭配锐度参数调节光斑软硬过渡。曲面上任意点的最终颜色由邻近热核做加权混合得到。本文不展开复杂谱展开公式本质上热核就是流形测地版本的高斯函数描述热量从源点沿着曲面向外扩散的过程。2.2 黎曼测地线优化从根源阻止基元飘离曲面普通欧氏梯度下降直接更新三维坐标很容易把热核源点拽到网格外部。HKTex采用黎曼梯度下降策略将损失梯度投影到曲面局部切平面通过指数映射沿着测地线将源点移动到曲面上新位置对动量向量执行平行传输保留优化历史动量。图| HKTex 方法整体流水线示意图所有位置更新运算都约束在流形表面从底层机制上避免热核脱离网格不需要靠额外正则损失做“事后补救”。2.3 流形感知的核剪枝与加密借鉴高斯溅射自适应密度控制思路但所有增删分裂操作全部适配流形几何约束。剪枝统计每一枚热核的光线命中频次、能量贡献删除贡献微弱、极少参与着色的基元降低整体参数量加密分裂统计局部重建误差在高误差区域增加基元分裂出新子核时通过指数映射沿着测地线放置在曲面之上不会跑到网格外部同时设置最大增长上限防止参数量无限制膨胀。2.4 对接可微物理渲染支持两条优化链路HKTex完整接入Mitsuba3Dr.Jit可微光线追踪框架提供两种使用模式已有UV纹理压缩在网格表面采样大量曲面点以原始UV纹理颜色作为真值通过光度损失优化全套热核参数实现纹理资产压缩烘焙多视图逆渲染重建纹理输入已知网格几何与多视角图像不需要任何UV信息利用渲染像素损失监督热核全套参数更新从多视图照片恢复物体表面外观。03 拆解实验看懂数字背后的能力边界实验筛选Objaverse数据集高质量三角网格过滤非流形、无法做LBO谱分解的模型保留约3000个物体评测两大任务UV纹理资产压缩、多视图逆渲染重建。评测指标包含PSNR、MS‑SSIM、LPIPS感知相似度、MSE同时重点统计存储占用、渲染耗时。3.1 UV纹理压缩任务在存储预算对齐条件下横向对比。HKTex平均使用约4.8k枚热核平均存储占用96.6KB。定量结果上HKTex拿到最优MS‑SSIM、MSELPIPS感知质量仅次于高分辨率顶点色。MLP位置编码、InstantNGP等神经基线往往需要数百KB甚至MB级存储高频细节容易糊化。ImageGS受UV坐标固定开销拖累稠密顶点网格上性能退化明显。从定性渲染样例可见青蛙、树莓这类高频细节神经基线普遍存在过度平滑ImageGS出现色块伪影HKTex可以保留锐利色彩边界。图| 与SOTA方法定性对比图。除真值UV纹理外其余方法存储大小相近图中仅展示恒定环境光下反照率纹理渲染效果3.2 多视图逆渲染重建纹理不使用任何UV真值仅以多视角图像作为监督在162个Objaverse物体上开展测试。表| 162个Objaverse网格多视图渲染定量评估表注意全部为仿真数据集实验。真实拍摄照片会带入镜头噪声、几何配准偏差重建质量会出现下降。3.3 开销层面现实取舍测试中HKTex渲染耗时784.7ms明显高于UV、顶点色、哈希神经网格。性能瓶颈来自光线求交点后的KNN近邻检索、谱基插值求值。训练依托Mitsuba可微管线可以正常工作但距离游戏实时渲染还有大量工程优化要完成。04 写在最后作为ECCV2026的最佳论文HKTex最打动人的地方不是某一项指标暴力刷榜而是思路层面的简洁优雅。工业界主流要么把外观摊到UV二维平面要么放到三维欧氏空间处理而这篇工作选择回归物体本身的曲面几何直接在流形本征空间构建热核纹理基元。热扩散天然沿着测地线传播位置更新、分裂剪枝全部遵循黎曼几何规则不需要复杂的事后约束。图| 两个三角面片上图像拟合示例图当然这不代表UV贴图会被快速替代UV拥有极其成熟的工具链与实时渲染性能生产管线中依旧占据主导地位。评审评语提到该工作潜力远超论文本身也指向后续拓展方向拓展全套PBR材质、加速求值实现实时渲染、适配复杂非流形资产、开发美术交互编辑工具。现阶段HKTex更适合离线资产烘焙、多视图逆渲染等科研与半生产场景但它给三维网格纹理表示开辟了一条不依赖UV、不依赖欧氏空间溅射的可行路线。参考论文论文标题Heat Kernel Textures -- the Geodesic Gaussians That Do Not Splat会议ECCV 2026最佳论文论文链接https://arxiv.org/pdf/2392.pdf项目主页circlegroup.github.io/research/HeatKernelTextures