返回
Material recognition from cross-category morphing
DOI:10.1038/s41598-026-59920-x.png)
摘要
En 中文
不同类别的材料既共享常见的图像特征,但也表现出独特的特性。尽管外观差异巨大,人类如何识别材料?我们使用生成神经网络创建原型和模糊材料,使它们在类别间过渡。为捕捉材料表征的丰富性,我们通过三项行为任务(材料分类、材料属性评分和视觉相似性判断)表征人们如何判断材料:材料分类、材料属性评分和视觉相似性判断。我们发现,过渡能平滑地调节材料外观的感知尺度。尽管存在这种平滑变化,参与者仍能在给定外观范围内可靠地识别原型材料,表明材料类别与其视觉特征之间存在强关联。材料属性结构化感知空间,其中显著维度(尤其是刚性)与感知材料类别强相关。相比之下,分析来自自监督深度学习模型的图像嵌入显示,仅学习视觉相似性不足以再现人类材料感知空间。综合来看,我们的结果表明材料表征超越视觉相似性,可能需要学习能结构化类别内及类别间材料关系的材料属性。视觉特征可能被灵活且任务依赖地用于支持多层次的材料感知,范围从区分到材料属性推断再到分类。
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.2W
被引数:
83.5W
机构
引用论文
Material fictions: Comparing physically based renderings and generative AI images through material perception材料虚构:通过材料感知比较基于物理的渲染和生成式AI图像
Journal of Vision
IF2.3
Unsupervised learning reveals interpretable latent representations for translucency perception无监督学习揭示了可解释的用于透明度感知的潜在表征

