DreamGaussian4D: 生成 4D 高斯飞溅
最近在 3D 内容创建方面的最新进展主要利用基于优化的 3D 生成通过得分蒸馏抽样(SDS)。尽管取得了有希望的结果,但这些方法往往受到每个样本优化速度慢的限制,限制了它们的实际应用。本文提出了 DreamGaussian,一个同时实现效率和质量的创新性 3D 内容生成框架。我们的关键见解是在 UV 空间中设计了一个具有伴随网格提取和纹理细化功能的生成性 3D 高斯飞溅模型。与神经辐射场中使用的占位修剪不同,我们证明了 3D 高斯曲线的渐进致密化对于 3D 生成任务的收敛速度更快。为了进一步提高纹理质量并促进下游应用,我们引入了一种将 3D 高斯曲线转换为纹理网格的高效算法,并应用了一个微调阶段来细化细节。大量实验证明了我们提出方法的卓越效率和竞争的生成质量。值得注意的是,DreamGaussian 从单视图图像中仅用 2 分钟即可生成高质量的纹理网格,与现有方法相比加速了大约 10 倍。
Sep, 2023
4D 高斯喷洒 (4D-GS) 方法以高效率表示和呈现动态场景,通过构建有效的变形场来模拟高斯运动和形状变形,实现了高分辨率下的实时渲染,并且在保持与先前最新技术方法相当或更高质量的同时达到了 70 FPS。
Oct, 2023
通过将高斯动态投射到图像空间中,我们引入了一个新的概念,高斯流,它连接了 3D 高斯和相邻帧之间的像素速度,从而实现了光流的直接动态监督,显著提高了 4D 动态内容生成和 4D 新视图合成的视觉质量,并解决了 4D 生成过程中常见的颜色移动问题。
Mar, 2024
4D 高斯喷洒是一种在动态场景下表示动态场景的新方法,通过时间切片和投影技术实现了对复杂运动和细节的建模,并在实时渲染方面取得了显著的效果和效率优势。
Feb, 2024
从 2D 图像中重建动态 3D 场景并随时间生成多样视角是一项具有挑战性的任务,本研究提出一种基于优化一组 4D 基元的方法,以近似表示动态场景的底层时空 4D 体积,通过特定的渲染程序,制造各种时间的新视角,该方法简单灵活,适用于捕捉复杂动态场景运动,实验结果在多个基准数据集上证明了其优秀的视觉质量和高效性。
Oct, 2023
在本研究中,我们提出了 STAG4D,这是一种结合了预训练扩散模型和动态 3D 高斯雪碧的新型框架,用于高保真度的 4D 生成,通过利用多视图扩散模型初始化输入视频帧上的多视图图像,以确保多视图序列初始化的时间一致性,并应用得分蒸馏采样来优化 4D 高斯点云。
Mar, 2024
借鉴视频扩散模型的最新进展,我们提出了 DG4D,一种新颖的多阶段框架,通过明确从一个输入图像生成多视角视频来生成高质量和一致的 4D 资产,该框架在生成质量方面超过了基准方法。
May, 2024
提出了一种高效的视频到 4D 对象生成框架 Efficient4D,能够在连续的摄像机轨迹下实时渲染高质量的时空一致图像,通过直接训练具有明确点云几何结构的新颖 4D 高斯涂层模型,大大提升了速度,同时保持创新视角合成质量。
Jan, 2024
DreamScape 是一种通过文本描述创建高度一致的 3D 场景的方法,利用高斯飞溅和大型语言模型的强大 3D 表示能力,并通过局部到整体优化来解决多实例和复杂排列的挑战。
Apr, 2024
提出了一种名为 GaussianDreamerPro 的新框架,通过将高斯函数与合理几何形状相结合,逐步丰富几何与外观,构建了与以前方法相比具有显着改进细节和质量的 3D 高斯函数绑定网格的生成资产,可无缝集成于下游操作流水线,大大扩展了其在广泛应用中的潜力。
Jun, 2024