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

介绍了一种名为 GradeADreamer 的新型三阶段训练流程，使用单个 RTX 3090 GPU，在 30 分钟内生成高质量资产，解决了文本到 3D 生成中常见的 Multi-face Janus 问题和延长生成时间的挑战。通过使用 Multi-view Diffusion Model (MVDream) 生成 Gaussian Splats 作为先验，以及使用 StableDiffusion 优化几何和纹理，实验证明该方法显著缓解了 Multi-face Janus 问题，并且在用户偏好排名上达到了最高平均水平。项目代码可在此 URL 找到。

Jun, 2024

利用高斯雨滴喷洒技术的文本到 3D 生成（GSGEN）方法可以生成具有精细细节和更准确几何形状的高质量 3D 对象。

Sep, 2023

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

介绍了一种名为 RealmDreamer 的技术，可以通过文本描述生成通用的正面视图 3D 场景，并且具备高质量和多样性。该技术利用先进的文本到图像生成器初始化 3D 平面，并通过多个视图进行 3D 修补和基于图像的扩散建模，从而生成富含几何结构的场景。最后，通过图像生成器的锐化样本对模型进行微调，而无需视频或多视角数据，同时还可以从单个图像合成 3D 场景。

Apr, 2024

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

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

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

该研究介绍了一种利用 3D 扩散模型和 2D 扩散模型结合的方法，通过高效的 3D 高斯雪花样表示，实现了快速生成高质量的 3D 实例，并且可以实时渲染。

Oct, 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