arXiv影像 AI進階

MatLoom：用極簡程式空間實現分層式文字生成 PBR 材質

MatLoom: Layered Text-to-Material Generation in a Compact Program Space

2026/10/012 分鐘閱讀

30 秒看懂

傳統的文字生成材質多仰賴擴散模型輸出靜態貼圖，使得後續修改極為困難。香港中文大學等機構的研究團隊提出了全新框架 MatLoom。大語言模型無需特定任務微調，即可直接生成僅約 21 行的精簡程式碼。該程式明確定義了具備 alpha 遮罩的分層結構，並透過獨立直譯器轉譯為包含顏色、紋理、凹凸起伏等高品質 PBR 材質貼圖。結合編譯引導修復、批判機制與雜訊種子搜尋，MatLoom 在對齊度上超越主流擴散模型，盲測中更獲得 59.2% 的使用者首選率。

核心重點

可編輯的程式化材質

不直接輸出靜態像素，而是生成由 LLM 撰寫的精簡分層程式，完整保留材質的建構規則與參數，方便設計師二次微調。

分層 PBR 物理渲染

透過結合 Alpha 遮罩與共享空間運算式，明確區分材質的圖案、色彩與起伏，並透過直譯器轉化為實用的 PBR 貼圖。

引導式修復與最佳化

免去昂貴的模型微調，利用解析錯誤引導修復、視覺預覽批判與雜訊種子搜尋，自動修正並最佳化生成程式。

優異的提示詞對齊與偏好度

在評測中，MatLoom 初始生成的程式在 BLIPScore 上即超越擴散模型基準，並在使用者評分中拿下近六成首選率。

技術圖解

MatLoom 材質生成與最佳化流程

為什麼重要

在 3D 遊戲與虛擬資產開發中，傳統 AI 生成的貼圖多為「死」的點陣圖，美術人員難以單獨微調局部的厚度、顏色。MatLoom 將大語言模型的程式碼生成能力與程序化材質（procedural materials）完美結合。使用者不僅得到貼圖，更得到了一套「生成規則」，這使材質具備無損縮放與無限調整參數的彈性，大幅提升 3D 美術工作流的生產力。

對誰有影響

AI 開發者
AI 研究人員
設計師
內容創作者

可以怎麼使用

1遊戲與 3D 動畫資產製作
2可無限縮放的材質庫開發

限制與注意事項

材質複雜度受限於自定義直譯器所支援的幾何與數學算子庫。
目前主要針對平面佈局貼圖設計，對於複雜 3D 網格映射的直接生成仍有待擴展。