光明实验室黄惠教授团队的研究工作Neural Texture Synthesis with Guided Correspondence（基于引导匹配损失的深度纹理合成方法）已发表在计算机视觉顶级会议IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2023上。

该工作针对基于样例的纹理合成任务，目标是在给定源纹理的情况下，合成出新的任意分辨率、保留源纹理重复模式的纹理图像。为实现这一目标，本工作提出了一种适用于深度网络的引导匹配损失，并应用到深度纹理优化方法中，通过简单的损失反向传播优化方式，即可实现高质量纹理扩展合成。如果引入额外的控制引导图，仅需在引导匹配损失中加入额外的距离度量，即可实现高质量的可控纹理合成。同时，该损失可作为通用纹理损失，用于训练前馈神经网络，实现实时纹理合成。

大量实验证明，基于引导匹配损失的纹理扩展合成结果局部清晰、结构完整、无重复感，效果超越现有纹理扩展合成方法。同时，在应对非均匀纹理合成或者基于标注图的纹理合成任务时，都可以合成符合引导控制、局部纹理结构保留完整的目标纹理图像，体现出该方法本身较强的可拓展性。

项目主页：

https://vcc.tech/research/2023/DeepTex