CVPRDec, 2021

StyleMesh：室内三维场景重建的风格转换

PDF
TL;DR本研究基于场景重建的网格应用风格转移技术，让用户能够在虚拟现实中欣赏以喜欢的艺术家绘画风格来呈现的三维环境。研究通过对场景网格的纹理进行优化并从所有可用的输入图像上共同进行风格化，实现了一致性和稳定性风格化表现。
style transfermesh reconstructionvr applications3d environmentsexplicit texture
发现论文，激发创造
  • 3DSNet：无监督形状到形状的 3D 风格转换

    本研究提出了一种基于分离内容和风格表示的基于学习的方法，用于在 3D 对象之间进行风格转移，可以合成以目标 3D 模型为风格，来源 3D 模型为内容的新 3D 形状，同时我们还将其扩展到了多样式分布的隐式学习。实验结果证实了该方法在多个基准测试中的有效性。

    Nov, 2020

  • 三维室内场景语言引导的语义风格转移

    本文介绍了一种语言引导的 3D 室内场景语义风格转移的方法，基于多层感知机，视觉语言模型，采用渲染和修正的方式实现创新，通过 ScanNet 数据集测试表明，语义信息的引入显著提高了风格转移的品质和用户评分。

    Aug, 2022

  • 3D 照片风格化：从单张图像学习生成风格化新视角

    本文提出了一个深度模型，在场景的点云表示中学习基于几何感知的内容特征，以生成高质量且在视图上具有一致性的艺术化图像，从而实现了从单个图像到任意风格化图像的 3D 照片艺术化生成，并在定性和定量研究中展示了方法的优越性。

    Nov, 2021

  • 基于 RGBD 图象的图像风格化实现

    研究应用深度信息与 RGB 图像的热力图在风格迁移中，提出了一种新的方法，通过与传统神经网络的比较，发现其实现更为真实的图像。该方法可应用于各种计算机视觉应用中，以产生更逼真的图像。

    May, 2023

  • 风格一致的分离物体的室内场景 3D 合成

    我们提出了一个独特的流程，用于合成 3D 室内场景，该流程通过在场景中策略性地放置对象，并利用来自专业设计的边界框的信息来维持风格的一致性，生成不仅外观上令人印象深刻，而且具有照片般逼真、多视角一致性和多样性特征的 3D 场景，以适应各种自然语言提示。

    Jan, 2024

  • 基于样例的 3D 人像风格化

    本文介绍了一个用于一次性 3D 肖像样式转移的框架，可以在仅需要一幅不同样式图像的情况下，生成具有几何和纹理风格的 3D 面部模型，而不是一整套相关样例。本文探索了两个阶段，以利用三位面部关键点转换来捕捉粗略的几何样式，并利用差分渲染器，在多视角框架下 对规范纹理进行样式转移。实验表明，我们的方法在不同的艺术风格上取得了稳健的结果，并优于现有的方法。

    Apr, 2021

  • PNeSM: 基于提示的神经风格映射的任意 3D 场景风格化

    我们提出了一种新颖的 3D 场景风格化框架，可以将任意风格应用于任意场景，无需再训练。通过将 3D 场景的外观映射到 2D 风格模式空间并利用基于提示的 2D 风格化算法，我们实现了 3D 场景的几何和外观的完全分离，从而在视觉质量和泛化性方面超越了当前最先进的方法。

    Mar, 2024

  • 3DStyleNet：以几何和纹理风格变化创建 3D 形状

    该研究提出了一种创建三维内容、进行几何和贴图风格变化的方法，借助预先训练的图像样式转换网络和自己的几何样式网络，可实现数据增强与单图像 3D 重构任务。

    Aug, 2021

  • 风格化辐射场的几何传递

    通过使用深度图提取风格指南，然后应用于放射场的几何样式化，本文介绍了一种名为几何传递的新方法，旨在通过几何变形实现三维样式传递，从而增强美学表现力并更准确地反映预期的风格。大量实验证明，几何传递能够实现更广泛、更富有表现力的风格化范围，从而显著扩展了三维样式传递的范畴。

    Feb, 2024

  • 通过隐式表示和超网络实现 3D 场景的风格化

    本文提出了一种基于 Neural Radiance Fields 的 3D 场景风格化方法，包括了使用超网络将样式信息转移入场景表示、使用隐式表示模型将场景分离成几何和外观分支，并采用两阶段训练和修补子采样方法优化模型以在任意视角生成具有所需风格的场景。

    May, 2021