清华镜像错觉艺术生成器亮相CVPR'26并支持3D打印

先看下面两组照片：每一组里，左边是镜子前物体的正面图案，右边是它在镜中的倒影。有趣的是，正面和镜中呈现出来的几乎是两个完全不同的东西——第一组正面是「CVPR」，镜中却变成「2026」；第二组正面是「山」，镜中却成了「水」。

轮廓、颜色甚至含义都对不上，就像变魔术一样。

这背后的秘密在于，它是一个经过特殊设计的3D物体，利用人类视觉系统的“对称补全效应”来制造这种错觉，这类现象被称为镜像错觉艺术。这种镜像视觉错觉在艺术与科技融合的领域正引发广泛关注。

研究人员通过精心设计三维几何形状和表面颜色，让一个真实物体在直接观察和镜中观察时呈现出截然不同的视觉效果。这种设计巧妙地将正面图像与镜像中的倒影区分开来，形成强烈的视觉反差。

以下是两组对应的“解密”视频。

传统上，这类艺术品的设计离不开艺术家的巧妙构思和大量复杂的数学计算，对普通人来说，门槛确实很高。如何让AI自动生成镜像幻觉物体，成为计算机视觉领域的新课题。

那么，有没有办法让AI自动完成这种设计，让普通人也能把自己的灵感变成艺术品呢？近日，来自清华大学等单位的研究团队提出了AutoMIA，一种自动生成镜像错觉艺术的AI设计方法。用户只需要指定两张图片，分别对应镜子前和镜子中的图案，AutoMIA就能自动完成3D艺术品的设计，并且支持直接3D打印出来。这项技术为AI赋能创意设计提供了全新思路。

论文链接: http://arxiv.org/abs/2607.02015

代码链接: https://github.com/zxp555/AutoMIA

该论文已被CVPR 2026接收，并被评为大会亮点论文（Highlight Paper）；同时，因其较高的计算效率，还获得了CVPR高效计算奖（Efficient CVPR）。这表明AutoMIA在学术和应用层面均获得高度认可。

研究背景

光学错觉艺术一直是艺术、心理学和计算机视觉交叉领域中的热门话题。常见的2D错觉有混合图像、视觉变形图像等，3D错觉则有Shadow Art、Multi-View Wire Art等。这些方法通常依赖特定的视角、投影或阴影关系，让同一个物体在不同观察条件下呈现出不同的外观。而镜像错觉艺术则是一种更特殊的3D视觉错觉。

镜像错觉艺术是一种更特殊的3D错觉：把真实物体放在镜子前，正面看是一种图案，镜子里看却是另一种。过去，这类设计往往需要大量人工推导和手工调整，而且主要集中在形状设计上，很难同时处理彩色图案。如果直接借鉴Shadow Art这类方法，也容易产生表面噪声、背景浮块或内部断裂，影响视觉质量和实际制作。因此，如何用AI自动设计镜像幻觉物体成为亟待解决的难题。

所以，作者提出了一个很直接的问题：能不能让AI自动设计这种镜像幻觉物体？给定两张目标图片，系统能否同时优化3D形状和颜色，让同一个物体在两个视角下呈现出两种指定的外观？这正是AutoMIA要解决的核心问题。

研究方法

AutoMIA把这个问题建模为一个双视角逆设计任务。系统用体素来表示3D物体，每个体素包含密度和颜色信息；然后通过可微体渲染，从两个指定视角渲染这个物体，并把渲染结果与两张目标图像进行比较。这种方法能够同时优化形状和颜色，实现高质量的镜像错觉生成。

优化目标同时包含形状相似度和颜色相似度，这样就能让生成物体既满足轮廓要求，也能呈现目标图像的颜色。在实际优化过程中，作者发现了四类关键问题：表面噪声、背景噪声、内部断裂，还有形状和颜色优化不平衡。为此，论文提出了四个核心机制。

首先是PAC，也就是基于投影对齐的连通域剪枝。系统会把当前体素中的连通分量逐个投影到两个视角，然后根据它们与目标mask的重合程度和背景溢出情况进行评分，只保留真正有助于目标图案的结构，去掉那些漂浮或无效的噪声部分。其次是PWA，即基于位置的加权自适应抑噪。它会根据像素到目标区域的距离调整背景惩罚权重，使得远离目标图案的错误投影受到更强惩罚，从而减少远处的背景噪声。第三是IVP，即内部体素保护。由于监督图像主要约束物体表面，内部体素容易在优化过程中被错误削弱，导致结构断裂。IVP会识别内部体素并施加密度下限，帮助保持物体完整性，这对后续3D打印尤其重要。最后是SCD，即形状-颜色解耦优化。AutoMIA将训练过程划分为形状优化、形状颜色联合优化和颜色细化三个阶段，避免颜色过早干扰几何结构，也减少不同视角颜色之间的冲突。

实验结果

论文在多类2D图像作为输入时验证了AutoMIA，包括英文字母、数字、汉字、几何图案、emoji、卡通图案和logo等。实验结果表明，AutoMIA在镜像错觉生成方面表现优异。实验中，作者将AutoMIA与Shadow Art(SA)和Shadow Art Revisited(SAR)等方法进行了比较。由于基线方法主要支持形状优化，比较重点包括平滑程度、噪声水平和形状一致性等指标。结果显示，AutoMIA在重建质量上取得了明显优势。论文报告中，AutoMIA的平滑程度（SL）达到了0.989，噪声水平（NL）降到了0.049，形状一致性（SS）达到了0.931；相比之下，SA和SAR在形状一致性和噪声控制上均存在明显差距。而且，AutoMIA在单张RTX 3090上平均设计时间只需要76秒，平均显存占用约2.6GB，计算效率相当高，非常适合快速原型制作。

从可视化结果来看，SA和SAR容易产生悬浮噪声、表面不平整或内部断裂等问题，导致物体难以形成稳定、完整的实体结构。而AutoMIA生成的结果不仅能更好匹配两张目标图像的轮廓，还能重建出输入图像的彩色表面，使正面视角和镜中视角都具有清晰的视觉语义。对于镜像幻觉艺术而言，这一点尤为关键：如果形状正确但颜色混乱，或者颜色接近但结构破碎，最终都难以形成令人信服的错觉效果。AutoMIA通过系统化的优化机制，实现了形状与颜色的完美协同。

消融实验进一步表明，PAC、PWA、IVP和SCD这四个模块都对最终结果有贡献。去掉任何一个都会导致重建质量下降。比如，去掉PAC会显著增加噪声并降低形状一致性；去掉SCD则会影响形状、颜色和平滑效果。这说明AutoMIA并不是单纯依赖体素优化，而是针对镜像幻觉设计中的问题进行了系统性的设计。以下是数字世界的例子，从图中可以看到，在基于Blender的数字仿真软件中，渲染出了效果不错的镜像错觉物体。

除了数字结果，论文还展示了多个实体制作案例。作者把优化后的体素模型转换成可3D打印的格式，然后通过3D打印制作出真实物体。从实物照片中可以看到，物体正面和镜中呈现出不同的图案，这表明该方法可以成功从数字设计走向物理世界。这样一来，用户就可以基于这种方法来制作各种艺术品了。不论是个人创意还是商业设计，AutoMIA都提供了便捷的AI辅助工具。

结论与展望

研究人员提出的AutoMIA，是一个用于自动生成镜像错觉艺术的AI设计系统。它能够从两张2D图像出发，联合优化3D物体的形状和颜色，并通过PAC、PWA、IVP和SCD等机制提升结果质量，让生成物体更平滑、更完整，也更适合实际制作。这项工作展示了AI在计算设计和艺术创作中的新可能性：它不仅能生成图像，还能设计具有物理可实现性的3D错觉物体。一个物体在现实中只有一种形态，却能在镜子里呈现另一种视觉身份，这种“正面与镜中不一致”的效果，也为视觉感知、逆向图形学和数字制造提供了新的研究方向。未来，AutoMIA有望在智能创意、增强现实、虚拟现实等领域发挥更大作用。

作者简介

论文作者包括朱小佩（清华大学水木学者，合作导师为朱军教授）、李泽远（共同一作，华中科技大学本科生），以及清华大学朱军教授和胡晓林副教授（通讯作者）。

参考资料：http://arxiv.org/abs/2607.02015