HyperStyle3D: 通过超网络进行文本引导的 3D 人像风格化
提出了一种利用文本提示来指定风格的快速 3D 肖像合成框架,该方法借助生成先验来构建少量样本,采用目标样式替换预训练 3D 生成器的三层平面生成器,从而实现了高质量和一致性风格合成。
Jun, 2023
使用神经渲染基于文本到 3D 肖像生成的新方法,通过集合几何外观先验,实现了对之前的问题 - 几何困境、过度饱和和过度平滑 - 的克服,展示了生成与文本一致的逼真高质量 3D 肖像的新框架 Portrait3D。
Apr, 2024
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
介绍了一种基于文本驱动的、部分定制的 3D 风格化的新方法 3DStyleGLIP,该方法利用 Grounded Language-Image Pre-training (GLIP) 模型的视觉 - 语言嵌入空间来定位 3D 模型的各个部分,并按照文本提示中指定的风格修改它们的颜色和局部几何形状,通过在 GLIP 的嵌入空间中使用部分级风格损失和两种补充学习技术,有效地训练了 3DStyleGLIP,实验证实了该方法在部分级别的风格化任务上取得了显著成果,显示出推动 3D 风格化领域发展的潜力。
Apr, 2024
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
提出了 Portrait3D 框架,通过将肖像图像的身份信息整合到几何初始化、几何塑造和纹理生成阶段中,实现了从单幅肖像图像生成高质量 3D 头像的方法。
Jun, 2024
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
本文提出了一种新的方法,结合使用预训练的图像文本扩散模型和基于生成对抗网络的 3D 生成网络,用于生成高质量,风格化的 3D 头像,并在视觉质量和多样性方面优于现有最先进的方法。
May, 2023
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
用现代人工智能技术进行数字艺术的新方法是通过神经网络的表现力在图像、视频和 3D 数据中进行样式转换,本文探讨了神经样式化在 3D 数据方面的最新进展,包括场景表示、指导数据、优化策略和输出样式等多个重要设计选择,并通过对 2D 图像神经样式化的背景进行回顾,详细讨论了近期的 3D 数据神经样式化方法,并提供了一个艺术样式化方法的小型基准测试,最后根据调研结果讨论了神经样式化的挑战、未来研究和潜在应用和影响。
Nov, 2023