通过利用生成模型，将零样本新视点合成问题分为两个阶段，即将观察到的区域转化为新视图和对未见过的区域进行幻觉。为了解决 3D 一致性问题，本文提出了一种具有几何约束的极线引导注意力和多视图注意力的场景表示方法。通过多个数据集的定性和定量评估，证明了所提出机制在效果上优于现有方法。

Oct, 2023

通过利用预训练的扩散模型，从单幅图像中重建 3D 对象，在通用性和重建的 3D 一致性方面表现出较差的情况下，我们提出了一种案例感知的两阶段方法，用于高度一致的 3D 资源重建，并结合了 2D 和 3D 扩散先验知识。

Sep, 2023

使用 Zero123++，一种图像条件扩散模型，从单个输入视图生成 3D 一致的多视图图像。通过开发各种调整和训练方案，最小化从现成的图像扩散模型（如稳定扩散）微调的工作量，以充分利用预先训练的 2D 生成先验。Zero123++ 在从单张图像生成高质量、一致的多视图图像方面表现卓越，克服了纹理退化和几何错位等常见问题。此外，我们展示了使用 Zero123++ 训练 ControlNet 来增强生成过程控制的可行性。代码可在此 https URL 处获得。

Oct, 2023

一种称为 Consist3D 的三级框架，用于单视图图像到三维生成，包括语义、几何和饱和度一致性的追踪，通过学习参数化一致性令牌和优化阶段，实现更加一致、真实和照片逼真的三维效果。

Sep, 2023

给定一个三维物体的单张图像，本文提出了一种名为 ConsistNet 的新方法，能够生成同一物体的多张图像，就像从不同视角捕捉到的一样，并且有效地利用了这些多个生成图像之间的三维（多视角）一致性。

Oct, 2023

Ctrl123 是一种基于封闭循环转录的新颖视图合成扩散方法，它在姿态敏感特征空间中强制生成视角和真实数据的一致性，在 NVS 和 3D 重建任务中取得了显著的改进。

Mar, 2024

本文提出一种新的方法，利用预训练的文字转图像模型作为先验知识，从真实世界数据中的单个去噪过程中生成多视角图像，并且通过在现有 U-Net 网络的每个块中整合 3D 体渲染和跨帧注意力层，设计出自回归生成方法，在任意视点上呈现更具一致性的 3D 图像。与现有方法相比，我们的方法生成的结果是一致的，并且具有优秀的视觉质量（FID 降低 30%，KID 降低 37%）。

Mar, 2024

从一张单一图像中综合多视图 3D 是一项重要且具有挑战性的任务。为了解决这个问题，Zero-1-to-3 方法旨在将二维潜在扩散模型推广到三维范围。我们提出了一个由两个 Zero-1-to-3 模型构建的级联生成框架，名为 Cascade-Zero123，用于解决构建视图之间的几何和视觉一致性的问题。利用自发多视图作为补充信息，我们的 Cascade-Zero123 生成比 Zero-1-to-3 更一致的新视图图像，对于各种复杂和具有挑战性的场景非常有效，包括昆虫、人类、透明物体和堆叠多个物体等。

Dec, 2023

使用可微分渲染和 3D 推理相结合的自回归建模方法，实现了单幅图像的大视角高度一致性生成，比其他方法在视图生成和 3D 一致性方面具有显著的改进。

Aug, 2021

使用来自视频生成模型的图像，通过引入一种新的框架以及 3D 感知降噪采样策略，可以更快速地生成密集视图，提高图像的质量和一致性。

Mar, 2024