【導讀】清華大學團隊研發的 AutoMIA 系統，可將任意兩張圖片轉化為具有鏡像錯覺效果的 3D 藝術品，實現正反兩面不同圖案的視覺呈現，並支援 3D 打印。
請先看下面兩組照片：每組中，左邊是鏡子前物體的正面圖案，右邊是其在鏡中的倒影。奇怪的是，正面與鏡中呈現的幾乎是兩個毫不相關的東西——第一組正面是「CVPR」，鏡中卻變成「2026」；第二組正面是「山」，鏡中卻成了「水」。
Their outlines, colors, and even meanings don't match, as if it were an "illusion".
背後的原因是，它來自一個經過特殊設計的3D物體，利用人類視覺系統的「對稱補全效應」而使人產生錯覺，這類現象被稱為鏡像錯覺藝術。
研究者透過精心設計三維幾何與表面顏色，讓一個真實物體在直接觀察和鏡中觀察時呈現出截然不同的視覺效果。
以下是兩組對應的「解密」影片。
在傳統意義上，這類藝術品的設計需要專業藝術家精巧的構思，以及大量複雜的人工設計經驗和數學計算，這類藝術品的設計對普通人來說門檻很高。
那麼，有沒有辦法可以自動化地幫助人們完成這樣的藝術設計，讓普通人也可以將自己的靈感轉化為藝術品呢？
近日，來自清華大學等單位的研究團隊提出了 AutoMIA，一種自动生成鏡像錯覺藝術的 AI 設計方法，用戶僅需任意指定兩張圖片，分別對應鏡子前和鏡子中的圖案，AutoMIA 就可以自動完成 3 維藝術品的設計，並且支援直接 3D 打印出來製作藝術品。
論文連結: http://arxiv.org/abs/2607.02015
代碼連結: https://github.com/zxp555/AutoMIA
論文已被 CVPR 2026 接收，並被評為大會亮點論文（Highlight Paper）；同時，因其較高的計算效率，該工作還獲得了 CVPR 高效計算獎（Efficient CVPR）。
研究背景
光學錯覺藝術長期以來都是藝術、心理學和電腦視覺交叉領域中的重要問題。常見的 2D 錯覺包括混合圖像、視覺變形圖像等；3D 錯覺則包括 Shadow Art、Multi-View Wire Art 等。
These methods typically rely on specific viewpoints, projections, or shadow relationships to make the same object appear different under varying observation conditions.
Mirror Illusion Art 是一種更特殊的 3D 錯覺：當一個真實物體放在鏡子前時，觀察者從正面看到一種圖案，而在鏡中看到另一種圖案。
此前，相關設計往往需要大量人工推導和手工調整，並且多集中在形狀設計上，難以同時處理彩色圖案。若直接借鑑 Shadow Art 一類方法，也容易產生表面噪聲、背景浮塊或內部斷裂，影響視覺質量和實體製作。
因此，作者提出了一個直接的問題：能否讓 AI 自動設計此類鏡像幻覺物體？給定兩張目標圖片，系統是否能同時優化 3D 形狀和顏色，使同一物體在兩個視角下呈現兩種指定外觀？
研究方法
AutoMIA 將這一問題建模為一個雙視角逆設計任務。系統使用體素表示 3D 物體，每個體素包含密度和顏色資訊；隨後透過可微體渲染，從兩個指定視角渲染該物體，並將渲染結果與兩張目標圖像進行比較。
優化目標同時包含形狀相似度和顏色相似度，從而讓生成物體既滿足輪廓要求，也能生成目標圖像的顏色。
在實際優化中，作者發現了四類關鍵問題：表面噪聲、背景噪聲、內部斷裂以及形狀和顏色優化不平衡。
For this, the paper proposes four core mechanisms.
首先是 PAC，即基於投影對齊的連通域剪枝。系統會將當前體素中的連通分量逐一投影到兩個視角，並根據它們與目標 mask 的重合程度和背景溢出情況進行評分，保留真正有助於目標圖案的結構，去除漂浮或無效的噪聲部分。
其次是 PWA，即基於位置的加權自適應抑噪。它會根據像素到目標區域的距離調整背景懲罰權重，使遠離目標圖案的錯誤投影受到更強懲罰，從而減少遠處的背景噪聲。
第三是 IVP，即內部體素保護。由於監督圖像主要約束物體表面，內部體素容易在優化中被錯誤削弱，導致結構斷裂。IVP 會識別內部體素並施加密度下限，幫助保持物體完整性，這對後續 3D 打印尤其重要。
最後是 SCD，即形狀—顏色解耦優化。AutoMIA 將訓練過程劃分為形狀優化、形狀顏色聯合優化和顏色細化階段，避免顏色過早干擾幾何結構，也減少不同視角顏色之間的衝突。
實驗結果
AutoMIA 在以多類 2D 圖像作為輸入時進行了驗證，包括英文字母、數字、漢字、幾何圖案、emoji、卡通圖案和 logo 等。
在實驗中，作者將 AutoMIA 與 Shadow Art（SA）和 Shadow Art Revisited（SAR）等方法進行了比較。由於基線方法主要支援形狀優化，比較重點包括平滑程度、噪聲水平和形狀一致性等指標。
結果顯示，AutoMIA 在重建質量上取得了明顯優勢。論文報告中，AutoMIA 的平滑程度 (SL) 達到 0.989，噪聲水平 (NL) 降至 0.049，形狀一致性 (SS) 達到 0.931；相比之下，SA 和 SAR 在形狀一致性和噪聲控制上均存在明顯差距。
同時，AutoMIA 在單張 RTX 3090 上的平均設計時間僅為 76 秒，平均顯存占用約 2.6 GB，體現出高效的計算效率。
From the visualization results, SA and SAR are prone to issues such as floating noise, uneven surfaces, or internal fractures, making it difficult to form a stable and complete solid structure.
Moreover, the results generated by AutoMIA not only better match the contours of the two target images but also reconstruct the colored surfaces of the input images, ensuring clear visual semantics for both front and mirror perspectives.
For mirror illusion art, this is especially critical: if the shape is correct but the colors are chaotic, or if the colors are close but the structure is fragmented, the final result will struggle to create a convincing illusion.
消融實驗進一步表明，PAC、PWA、IVP 和 SCD 都對最終結果有貢獻。去掉任一模塊都會導致重建質量下降。例如，去掉 PAC 會顯著增加噪聲並降低形狀一致性；去掉 SCD 則會影響形狀、顏色和平滑效果。
This indicates that AutoMIA is not merely reliant on voxel optimization, but has been systematically designed to address issues arising in mirror hallucination design.
以下提供了一組數字世界的例子，從圖中可見，在基於 Blender 數位模擬軟體中，渲染出了效果良好的鏡像錯覺物體。
除了數字結果，論文還展示了多個實體製作案例。作者將優化後的體素模型轉換為可3D列印的格式，並通過3D列印製作真實物體。
在實物照片中，物體正面和鏡中呈現出不同圖案，表明該方法可以成功從數位設計走向物理世界。
用戶可以基於此方法來製作各類藝術品。
結論與展望
研究人員提出了 AutoMIA，一個用於自動生成 Mirror Illusion Art 的 AI 設計系統。
It can jointly optimize the shape and color of a 3D object from two 2D images, and enhance result quality through mechanisms such as PAC, PWA, IVP, and SCD, producing smoother, more complete objects that are better suited for actual production.
這項工作展示了 AI 在計算設計與藝術創作中的新可能性：它不僅能生成圖像，也能設計出具有物理可實現性的 3D 錯覺物體。一個物體在現實中只有一種形態，卻能在鏡子中呈現另一種視覺身份，這種「正面與鏡中不一致」的效果，也為視覺感知、逆向圖形學和數位製造提供了新的研究方向。
作者簡介
論文作者依次為：朱小佩，清華大學水木學者，合作導師為朱軍教授；李澤遠（共同一作），華中科技大學本科生，以及清華大學朱軍教授和胡曉林副教授（通訊作者）。
參考資料：http://arxiv.org/abs/2607.02015
本文來自微信公眾號「新智元」，作者：新智元；編輯：LRST