清华 AutoMIA 入选 CVPR 2026 亮点：两张图自动生成镜像错觉 3D 艺术品

清华大学等团队近日发布 AutoMIA（Automated Mirror Illusion Art）系统，用户只需指定两张图片——分别对应镜前与镜中所见——系统即可自动完成可 3D 打印的镜像错觉艺术品设计。论文已被 CVPR 2026 接收并被评为大会亮点论文（Highlight Paper），同时因较高的计算效率获 CVPR 高效计算奖（Efficient CVPR）。

研究背景

镜像错觉艺术属于 3D 光学错觉的一个特殊分支：将真实物体放在镜子前时，观察者正面看到一种图案，镜中却看到另一种图案。相比早期的 Shadow Art、Multi-View Wire Art 等方法，镜像错觉更强调同一物体在两个视角下的双重建模。

传统上，这类设计依赖艺术家手工推导与经验调参，且多聚焦形状，难以兼顾彩色图案；直接借鉴 Shadow Art 类方法，则容易出现表面噪声、背景浮块、内部断裂等问题，难以支持实体制作。论文由此提出核心问题：能否让 AI 同时优化 3D 形状与表面颜色，使同一物体在两个视角下分别呈现两张指定图像？

研究方法

AutoMIA 将问题建模为双视角逆设计任务：系统以体素表示 3D 物体，每个体素同时承载密度与颜色信息；通过可微体渲染，从两个指定视角渲染该体素模型，并与两张目标图像逐像素比较。优化目标同时约束形状相似度与颜色相似度，确保轮廓匹配的同时还原目标色彩。

针对实际优化中出现的四类典型问题（表面噪声、背景噪声、内部断裂、形状—颜色优化失衡），论文提出四项核心机制：

• PAC（投影对齐连通域剪枝）：按体素连通分量在两视角下的 mask 重合度与背景溢出评分，剪除无效或漂浮结构。
• PWA（位置加权自适应抑噪）：按像素到目标区域距离调节背景惩罚权重，抑制远离目标的离散噪声。
• IVP（内部体素保护）：识别内部体素并施加密度下限，避免优化中结构断裂，保证 3D 可打印性。
• SCD（形状—颜色解耦优化）：训练分形状优化、形状—颜色联合优化、颜色细化三阶段，避免颜色过早干扰几何。

实验结果

作者在英文字母、数字、汉字、几何图案、emoji、卡通、Logo 等多类 2D 输入上验证 AutoMIA，并与 Shadow Art（SA）、Shadow Art Revisited（SAR）基线对比。论文报告的关键指标：

• 平滑程度（SL）：0.989
• 噪声水平（NL）：0.049
• 形状一致性（SS）：0.931

相比 SA、SAR，AutoMIA 在三项指标上均显著领先，并在单卡 RTX 3090 上达到平均设计时间 76 秒、显存占用约 2.6 GB 的效率水平。可视化方面，SA/SAR 仍存在悬浮噪声、表面不平整、内部断裂等问题；AutoMIA 既能匹配两张目标的轮廓，也能重建彩色表面，使正面视角与镜中视角均具备清晰语义。消融实验进一步证实 PAC、PWA、IVP、SCD 各自对最终结果的贡献——任一模块缺失都会带来重建质量下降。

此外，作者将优化后的体素模型转换为可 3D 打印格式并完成多组实物制作，实物照片确认了正面—镜中呈现两种不同图案的效果，验证了从数字设计走向物理制作的可行性。

研究意义与作者

论文展示了 AI 在计算设计与艺术创作中的新可能：系统不仅生成图像，更能输出具备物理可实现性的 3D 错觉物体，使「同一物体在正面与镜中呈现两种视觉身份」成为可批量、低门槛复现的创作流程，为视觉感知、逆向图形学与数字制造提供新的研究入口。

作者方面，论文一作为清华大学水木学者朱小佩（合作导师为朱军教授），共同一作为华中科技大学本科生李泽远，通讯作者为清华大学朱军教授与胡晓林副教授。代码与论文已分别开源在 GitHub 与 arXiv。