本研究主要介绍了生成人工智能中的文本导向内容生成，着重探讨其中的文本导向三维技术，提供了一份关于该领域的综合调查报告。该报告介绍了三维数据表示、相关技术及其在不同应用方面的应用，包括头像生成、纹理生成、形状变换和场景生成，以及使用 NeRF 等文本到图像与三维建模技术的新兴方向的最新进展。

May, 2023

生成 3D 模型是计算机图形学的核心，并且已经成为几十年研究的重点。随着先进的神经表示和生成模型的出现，3D 内容生成领域正在快速发展，使得越来越高品质和多样化的 3D 模型得以创建。本文调查了 3D 生成方法的基本方法，并建立了一个结构化的路线图，包括 3D 表示、生成方法、数据集和相关应用。最后，我们讨论可用的数据集、应用和面临的挑战。希望本调查能帮助读者探索这个激动人心的主题，并促进 3D 内容生成领域的进一步发展。

Jan, 2024

人工智能在生成内容领域取得了显著进展，其中 3D 内容生成作为视觉模态之一，面临巨大的知识和技术挑战。本研究回顾了 3D 内容生成技术的发展，并提出了一个新的分类法，详细介绍了三种不同类型的方法。同时，讨论了当前技术的局限性以及未来工作的挑战和方向。

Feb, 2024

3D 建模近年来得到了快速发展，特别是在三维人体建模方面，这篇综述从重建和生成的角度全面介绍了相关技术和方法，并对现有方法的反思和未来研究方向进行了讨论。

Jun, 2024

近年来，文本到三维形状生成领域经历了大量的工作和兴趣。这篇综述报告了驱动文本到三维形状生成的底层技术和方法，并对需要的监督数据类型进行了系统分类。最后，讨论了现有方法的局限性，并勾画了未来工作的有希望的方向。

Mar, 2024

我们提出了 3DGEN 模型，它利用最近在物体重建和基于 GAN 的图像生成方面的工作，可以为训练图像的同一类别对象生成可信的三维网格，并将生成的网格与当前最先进的基准模型进行比较，取得了可见的生成质量改进。

Dec, 2023

文献调查了最新的文本生成三维内容的方法，并详细介绍了该领域的背景、数据集、评估指标以及不同的三维表示方法。通过对生成流程的分类和优劣势的分析，为进一步探索基于文本的三维内容创建提供了启示，并指出了未来研究的几个有希望的方向。

May, 2024

我们旨在识别现代生成 AI 范例中尚未解决的主要挑战，以进一步增强其能力、多样性和可靠性，并为研究人员提供有价值的见解，以探索更有成效的研究方向，从而促进更强大和可访问的生成 AI 解决方案的发展。

Feb, 2024

本文总结了在可视化领域中利用生成式人工智能（GenAI）的方法，涵盖了不同类型的 GenAI 方法在数据增强、可视化映射生成、风格化和交互等各个阶段的应用，同时阐述了评估、数据集和端到端 GenAI 与生成算法之间的挑战和研究机会。通过总结不同的生成算法、其当前应用和限制，希望为未来的 GenAI4VIS 研究提供有用的见解。

Apr, 2024

本研究提出了一种新的深度学习网络，用于将 3D 模型转换为逼真的照片，旨在弥合现有深度生成模型不能灵活控制的瓶颈问题，同时也改善了传统三维图形处理渲染机制的不足之处。

Aug, 2020