本文提出了 Dream3D 方法，将显式的三维形状先验引入 CLIP 导向的三维优化过程中，以生成高质量的三维形状。结合文本到图像扩散模型，Dream3D 能够生成精准而富有想象力的三维内容。

Dec, 2022

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

我们提出了一个两阶段的文本到3D生成系统，名为3DTopia，它使用混合扩散先验在5分钟内生成高质量的通用3D资产。第一阶段直接从3D数据学习的3D扩散先验中采样，由文本条件的三视图潜在扩散模型提供动力，快速生成用于快速原型设计的粗糙3D样本。第二阶段利用2D扩散先验进一步优化第一阶段中粗糙3D模型的纹理。优化包括潜在空间和像素空间的优化，用于生成高质量的纹理。为了促进所提出系统的训练，我们通过结合视觉语言模型和大型语言模型清洗和加标最大的开源3D数据集Objaverse。实验证据定性和定量地展示了所提出系统的性能。我们的代码和模型可在此https网址获得。

Mar, 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

通过几何引导的高斯喷洒方法，DreamPolisher在从文本描述中学习跨视图一致性和复杂的细节，通过两阶段的基于高斯喷洒的方法进行几何一致性的优化和文本细节的改进，有效地生成与文本指令语义紧密相关的一致而真实的3D对象。

Mar, 2024

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

通过使用Atlas3D方法，可以生成满足用户设计意图、在交互游戏、具身化AI和机器人领域中可靠互动所需的、在物理上稳定的自支撑3D模型。

May, 2024

通过视频扩散模型学习3D对象的各种物理属性，设计了一种高度通用的基于粘弹性材料模型的物理仿真系统，通过蒸馏视频扩散模型中的物理先验知识，证明了物理3D在虚拟环境中应用真实物理原理的能力。

Jun, 2024

本研究解决了3D资源数据稀缺及生成过程中视角偏差导致的几何不一致性问题。提出的MT3D模型通过在生成管道中引入高保真3D对象和深度几何矩，显著改善生成结果的形状和结构一致性。此方法不仅提升了3D表示的质量，也增强了生成对象的多样性和实用性。

Aug, 2024

本研究解决了可交互物体在建模过程中物理约束带来的挑战，提出了一种基于扩散的部件生成模型，通过几何条件和稳定性损失引导采样过程，实现物理上合理的部件生成。实验结果表明，该模型在形状和物理性度量上均优于现有基线，显示出在3D打印和机器人操作中的强大应用潜力。

Aug, 2024