GVGEN: 基于体积表示的文本到 3D 生成
提出了 CG3D 方法,通过使用显式高斯辐射场来生成可扩展的三维资产,解决了基于文本的三维生成的限制,能够产生详细的多物体场景,并通过使用显式表示构建指导框架,在对象组合和物理准确性方面展示了领先于现有模型的结果。
Nov, 2023
基于高斯喷射的文本到三维内容生成框架,通过控制高斯球的透明度实现更真实的图像生成;通过引入多视角噪声分布矫正多视角几何中的不一致性;使用变分高斯喷射技术提高三维外观的质量和稳定性。
Nov, 2023
推导的 GaussianCube 是一种结构化 GS 表征,通过优化输运将高斯函数排列成预定义的体素网格,实现了高质量的拟合结果和生成建模。
Mar, 2024
基于文本提示生成真实的 3D 人体是一项令人向往但具有挑战性的任务。本文提出了一种高效而有效的框架 HumanGaussian,通过结构感知的 SDS 和退火负向提示引导,以及适应性高斯喷洒渲染器,在细节和训练时间方面取得了优越的性能。
Nov, 2023
本文提出了一种名为神经体维网格生成器的神经网络模型,可以从随机噪声或参考图像中生成高质量的三维网格结构,并且通过比较实验,证明了这种方法在使用体素作为输入时相对于其他最先进的方法更具有稳健性,并且拥有更好的性能。
Oct, 2022
本文介绍了一种利用高斯表示三维生成对抗网络(3D GANs)的生成器架构,通过引入分层多尺度高斯表示有效地规范了生成高斯分布的位置和尺度,实现了显著更快的渲染速度,并具备可比较的三维生成能力。
Jun, 2024
将文本描述转化为详细的三维模型,通过名为 “超图三维高斯生成(Hyper-3DG)” 的方法捕捉三维物体内部的复杂高阶关系,并通过几何和纹理超图优化生成高质量的三维对象。
Mar, 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
本研究主要关注在控制性文本生成 3D 场景方面的多视图控制网络架构,该网络结合额外的输入条件,如边缘、深度、法线和素描图,使用局部和全局嵌入来控制基础扩散模型,并通过优化实现 3D 生成,最终实现了高质量、可控的 3D 内容的生成。
Mar, 2024