DuMaS Dataset

DuMaS（双层级材料选择）数据集来自论文《图像中的细粒度空间变化材料选择》（SIGGRAPH Asia 2025），包含训练数据（约62GB）和测试数据（约5GB），文件为OpenEXR格式，包含RGB图像、SVBRDF_ID和BRDF_ID通道，用于细粒度材料选择研究。

The DuMaS (Dual-level Material Selection) dataset is derived from the paper *Fine-grained Spatially-varying Material Selection in Images* (SIGGRAPH Asia 2025). It includes approximately 62 GB of training data and approximately 5 GB of test data, all stored in OpenEXR format, with channels for RGB images, SVBRDF_ID, and BRDF_ID. This dataset is intended for research on fine-grained material selection.

原始信息汇总

DuMaS数据集概述

数据集基本信息

• 数据集名称：DuMaS（Dual-level Material Selection）
• 来源论文：Fine-Grained Spatially Varying Material Selection in Images（SIGGRAPH Asia 2025）
• 开发团队：Universidad de Zaragoza, I3A（西班牙）与Adobe Research（英国）联合开发

数据集下载

• 训练数据：https://prafulls.s3.us-west-2.amazonaws.com/public_read/DuMaS/DuMaS_train.zip [约62GB]
• 测试数据：https://prafulls.s3.us-west-2.amazonaws.com/public_read/DuMaS/DuMaS_test.zip [约5GB]

文件格式规范

命名规则

seed[X]_scene[Y]_frame[Z]_hiermatid.exr

• seed[X]：材质分配种子编号（整数），不同种子对应场景的不同材质配置
• scene[Y]：场景唯一标识符
• frame[Z]：场景内的帧索引

文件特性

• 格式：OpenEXR (.exr)格式
• 通道组成：
  1. RGB通道：标准渲染彩色图像
  2. SVBRDF_ID通道：逐像素纹理ID标注
  3. BRDF_ID通道：逐像素子纹理ID标注

引用信息

bibtex @article{guerrero2025matselection, title={{Fine-Grained Spatially Varying Material Selection in Images}}, author={J. {Guerrero-Viu} and M. {Fischer} and I. {Georgiev} and E. {Garces} and D. {Gutierrez} and B. {Masia} and V. {Deschaintre}}, journal = {ACM Transactions on Graphics (Proc. SIGGRAPH Asia)}, year = {2025} }

搜集汇总

数据集介绍

构建方式

在计算机图形学领域，高质量材质选择数据集的构建对图像编辑技术发展至关重要。DuMaS数据集通过程序化生成方法，采用多场景多帧序列设计，每个场景赋予不同材质配置种子，确保数据多样性。所有样本以OpenEXR格式保存，包含标准渲染图像与双重材质标识通道，通过精确的像素级标注为空间变化材质研究提供坚实基础。

特点

该数据集在细粒度材质分析领域展现出独特优势，其核心特征体现在三重数据结构：RGB通道呈现真实感渲染效果，SVBRDF_ID通道记录纹理层级标识，BRDF_ID通道则标注子纹理细分信息。这种双层级标注体系能精准捕捉材质空间分布规律，超过60GB的训练数据与5GB测试数据构成完整评估框架，为复杂光照条件下的材质解析提供丰富样本。

使用方法

研究者可通过下载公开的压缩包获取训练集与测试集，解压后使用支持OpenEXR格式的图形工具进行处理。数据文件命名遵循种子编号-场景标识-帧序列的规范结构，便于程序化读取。建议将三重通道数据分别加载至深度学习模型输入层，其中材质标识通道可直接作为监督信号，推动图像材质编辑与生成任务的算法开发。

背景与挑战

背景概述

计算机图形学领域中，细粒度材质建模一直是提升视觉真实感的核心研究方向。DuMaS数据集由萨拉戈萨大学与Adobe研究院于2025年联合发布，聚焦于图像中空间变化的双层级材质选择问题。该数据集通过标注像素级纹理标识与子纹理标识，为材质编辑与场景理解提供了首个系统性的基准数据，推动了基于物理渲染技术的精细化发展。

当前挑战

在材质选择领域，传统方法难以处理复杂光照下材质属性的空间异质性，而DuMaS需解决像素级材质映射的语义一致性难题。数据集构建过程中，面临多种子材质配置的生成复杂性，需协调不同场景框架下的纹理标识对齐，同时保证OpenEXR格式中三层通道数据的同步精度，这对渲染管线的稳定性提出了极高要求。

常用场景

经典使用场景

在计算机图形学领域，DuMaS数据集为细粒度空间变化材质选择任务提供了关键支持。该数据集通过多通道OpenEXR文件呈现不同材质配置下的场景渲染结果，其中RGB通道、SVBRDF_ID和BRDF_ID通道分别对应色彩信息与纹理层级标注，成为训练深度学习模型识别图像中局部材质属性的核心资源。其双层级标注机制能够精准捕捉材质在宏观纹理与微观反射特性上的空间分布差异，为复杂场景下的材质解析奠定了数据基础。

解决学术问题

该数据集有效应对了计算机视觉与图形学中材质属性解耦的经典难题。通过提供像素级纹理与反射特性标注，它解决了传统方法在异质材质混合场景中解析能力不足的瓶颈，显著提升了材质编辑、场景重建等任务的精度。其细粒度标注体系为理解材质在物理渲染过程中的多维表征提供了实验依据，推动了基于物理的渲染技术与可微分渲染框架的理论发展。

衍生相关工作

该数据集已催生多项材质分析领域的创新研究。基于其双层级标注特性，学者们开发出联合优化纹理与反射属性的神经网络架构，衍生出如多尺度材质迁移、动态场景材质插值等方向。在跨模态学习方面，结合生成对抗网络的工作实现了从单张图像到可编辑材质参数的端到端转换，进一步拓展了材质语义理解的技术边界。