基于文本的多样人脸纹理生成通过渐进潜空间细化
提出了一种基于 3D 可变形模型和生成对抗网络的面部综合模型,使用普适化方法将几何数据映射到二维平面,实现了对数字扫描的几何数据高效处理,在人类纹理参数空间中生成逼真的面部纹理和它们的对应几何图形,从而获得了新的高分辨率 3D 面孔。
Aug, 2018
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
本文提出了一种新的方法,结合使用预训练的图像文本扩散模型和基于生成对抗网络的 3D 生成网络,用于生成高质量,风格化的 3D 头像,并在视觉质量和多样性方面优于现有最先进的方法。
May, 2023
我们提出了一个新的框架 DiffusionGAN3D,通过结合 3D GANs 和扩散先验来增强文本引导的 3D 领域适应和生成,该方法在领域适应和文本到头像任务中取得了优异的生成质量和效率结果。
Dec, 2023
本文提出使用不同 iable rendering 技术生成三角网格和相关高分辨率纹理贴图的框架,以单视角自然图像为 2D 监督,并将网格和纹理编码为 2D 表示,以便使用 2D 卷积 GAN 进行建模,并在 Pascal3D + Cars 和 CUB 上展示了方法的有效性及其评估方法。
Jun, 2020
通过结合文字和图像信息,利用扩散模型,我们开发了一种零样本的三维生成模型,能够合成高分辨率纹理网格,实现了将二维图像直接转化为三维空间的功能。
Aug, 2023
本文利用深度学习模型和生成对抗网络技术,在 UV 空间下重建面部纹理,并通过优化参数和预先训练的深度身份特征进行监督来实现高保真和身份保留的 3D 面部重建,同时在高频细节方面实现了面部纹理重建的最高成果
Feb, 2019
通过利用 2D 扩散先验提高文本到 3D 内容生成的质量和细节,本文提出了一种结合多个噪声估计过程和预训练的 2D 扩散先验的新方法,实验证明该方法相较于基线能够生成更高质量的细节。
Jul, 2023