May, 2024

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

PDF
TL;DR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。
3d garment creationdiffusion-based generative modelsgarmentdreameroptimizationtexture synthesis
发现论文，激发创造
  • ClotheDreamer: 基于文本引导的 3D 高斯服装生成

    通过 ClotheDreamer, 一种基于高斯的方法，从文本提示中生成可穿戴的、适合生产的 3D 服装，可用于虚拟试穿和支持精确动画。

    Jun, 2024

  • 服装 3D 生成：3D 服装风格化与纹理生成

    我们介绍了 Garment3DGen，一种从基础网格中合成 3D 服装资产的新方法，通过单个输入图像作为指导，用户可以根据真实和合成图像生成 3D 纹理服装。使用 Garment3DGen，用户可以生成所需的纹理 3D 服装而无需艺术家干预。

    Mar, 2024

  • TextureDreamer：基于几何感知扩散的图像引导纹理合成

    TextureDreamer 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。

    Jan, 2024

  • GaussianDreamerPro：具有极高质量的可操作三维高斯文本

    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

  • 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

  • DressCode：基于文本引导的自回归缝制与生成服装

    通过引入基于 GPT 的体系结构 SewingGPT，结合文本条件嵌入和跨注意力，我们的框架可通过自然语言交互生成与计算机生成图形友好的服装。通过与其他最先进方法的综合评估和比较，我们的方法展示了最好的质量和输入提示的一致性。用户研究进一步验证了我们高质量的渲染结果，突显了它在实际生产环境中的实用性和潜力。

    Jan, 2024

  • 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

  • WordRobe: 文本指导的纹理 3D 服装生成

    采用 “WordRobe” 框架，通过学习 3D 服装的潜在表示和对齐 CLIP 嵌入空间，实现了高质量纹理的基于文本的 3D 服装生成和编辑。通过控制网络实现全景一致纹理合成，生成时间大大缩短。WordRobe 生成的 3D 服装网格可以直接用于标准布料模拟和动画流程。

    Mar, 2024

  • Guide3D：根据文本和图像指导创建 3D 化身

    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

  • GradeADreamer: 使用高斯打点和多视角扩散增强的文本到三维生成

    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