MatLoom：紧凑程序空间中的分层文本到材质生成

材质生成不仅应产生外观，还应生成构建该外观的规则。我们提出 MatLoom，这是一种面向文本到材质生成的紧凑分层语言，可与预训练语言模型结合使用。每个程序由带有 alpha 蒙版的图层组合而成，各图层共享的空间表达式定义覆盖范围和基于物理的渲染（PBR）通道，从而明确呈现图案、颜色与凹凸之间的依赖关系。独立的解释器会将程序求值为材质贴图，同时保留源代码中的命名字段和图层参数，以便后续编辑。在无需针对特定任务进行微调的情况下，我们的流水线利用解析器引导的修复和基于预览的评议来修改材质设计，随后在保持每个候选方案其余源代码不变的情况下搜索噪声种子。在一个经过筛选、包含 141 条提示词的基准测试中，使用六个骨干模型进行评估时，我们表现最佳的配置在全部四项平面布局提示词对齐指标上的平均得分都高于三种扩散基线。仅凭初始程序，其平均 BLIPScore 就已超过三种基线，尚未进行评议或种子搜索。汇总所有骨干模型后，保留程序的中位长度为 21 行。在一项涉及 30 名参与者和 20 条提示词的盲选四方比较中，我们的渲染结果获得了 59.2% 的选择，而最受偏好的基线为 19.3%。因此，紧凑的可执行程序为生成与提示词相匹配的材质提供了一种途径，同时还能将材质的构建过程作为资产的一部分予以保留。