Jan, 2024

TextureDreamer：基于几何感知扩散的图像引导纹理合成

PDF
TL;DRTextureDreamer 是一种新颖的图像引导纹理合成方法，能够将可在任何类别的目标 3D 形状上转移到少量输入图像（3 到 5 张）中的纹理。
texturedreamerimage-guided texture synthesisrelightable textures3d shapespersonalized geometry-aware score distillation
发现论文，激发创造
  • RoomDreamer: 基于文本驱动的连贯几何纹理室内场景 3D 合成

    本文提出了基于自然语言的房间风格合成算法 RoomDreamer，通过 Geometry Guided Diffusion 和 Mesh Optimization 处理实现 3D 室内场景生成，大幅提升了几何和纹理的一致性和图像质量。

    May, 2023

  • GarmentDreamer: 基于 3DGS 的服装合成与多样几何纹理细节

    本研究提出了一种名为 GarmentDreamer 的新型方法，它利用 3D 高斯喷雾（GS）作为指导，从文本提示中生成适用于仿真的 3D 服装网格。与使用由生成模型直接预测的多视图图像作为指导相比，我们的 3DGS 指导确保了服装变形和纹理合成的一致优化。通过全面的定性和定量实验证明了我们方法的有效性，并展示了 GarmentDreamer 相对于现有最先进方法的卓越性能。

    May, 2024

  • MetaDreamer：高效文本生成三维模型的几何和纹理分离

    MetaDreammer 是一种基于 2D 和 3D 先验知识的两阶段优化方法，通过在优化过程中分别使用 2D 和 3D 先验知识，有效减轻几何与纹理之间的相互依赖，从而在 3D 生成过程中节省时间并生成高质量的 3D 对象。与现有技术相比，MetaDreammer 是一种高效的文本到 3D 生成方法，并且还引入了图像控制来增强对 3D 生成过程的可控性。

    Nov, 2023

  • EucliDreamer: 高速高质量的基于深度条件稳定扩散的三维模型纹理生成

    EucliDreamer 使用文本提示和曲面进行 3D 模型纹理生成的方法，通过基于深度的稳定扩散模型来产生高质量纹理，测试结果表明其比现有的文本纹理方法更优，在 3D 内容创建中提供了自动化解决方案。

    Apr, 2024

  • 3DTextureTransformer：对任意网格拓扑进行几何感知纹理生成

    使用名为 3DTextureTransformer 的新颖框架，结合几何深度学习和 StyleGAN 类似的架构，能够在不改变原始高分辨率输入网格拓扑的情况下生成高质量的纹理。该架构在学习来自 3D 几何体和现实世界 2D 图像的情况下，与任意网格拓扑一起工作，取得了该类解决方案中的最新性能。

    Mar, 2024

  • EucliDreamer: 快速而高质量的稳定扩散深度三维模型纹理化

    本文采用一种新方法，通过给定文本提示和 3D 网格来生成 3D 模型的纹理。该方法考虑了额外的深度信息，利用深度条件稳定扩散的评分蒸馏采样过程生成纹理。我们在开源数据集 Objaverse 上运行了模型，并进行了用户研究，与各种 3D 纹理方法的结果进行了比较。我们证明了我们的模型可以生成更令人满意的结果，并为同一对象产生各种艺术风格。此外，在生成可比质量的纹理时，我们取得了更快的时间。我们还进行了彻底的消融研究，研究了不同因素对生成质量的影响，包括采样步骤、引导尺度、负提示、数据增强、高度范围和替代 SDS 方法。

    Nov, 2023

  • GeoDream: 高保真和一致的 3D 生成中的解耦 2D 和几何先验

    通过结合三维几何先验和二维扩散先验，GeoDream 方法能够生成具有一致的三维几何结构的文本到三维模型，并提供更高分辨率、真实感的渲染和更好的语义一致性。

    Nov, 2023

  • IPDreamer：基于图像提示的外观可控 3D 物体生成

    最新的文字到 3D 生成技术取得了显著进展，现有的方法利用大规模的文字到图像扩散模型，如 DreamFusion，来监督 3D 生成。然而，这些方法生成的 3D 对象的外观通常是随机和不可控的，这在实现可控外观的 3D 对象方面是一个挑战。为了解决这个问题，我们引入了 IPDreamer，一种新颖的方法，它结合了图像提示，为 3D 对象生成提供特定和全面的外观信息。我们的结果表明，IPDreamer 有效地生成了与所提供的文本和图像提示一致的高质量 3D 对象，展示了它在可控外观的 3D 对象生成方面的潜能。

    Oct, 2023

  • 亮梦想者：通用的 3D 高斯生成框架用于快速文本到 3D 合成

    BrightDreamer 是一种端到端的单阶段方法，可以实现通用且快速（77 毫秒）的文本到 3D 生成，通过估算 3D 变形、形状基准位置和各种属性来生成百万个 3D Gaussian。

    Mar, 2024

  • SVGDreamer：基于扩散模型的文本引导 SVG 生成

    SVGDreamer 是一种新颖的文本引导的矢量图合成方法，通过语义驱动的图像矢量化过程和基于注意力的原语控制，与基线方法相比，在可编辑性、视觉质量和多样性方面表现出更高的优越性。

    Dec, 2023