MIT优化Score Distillation技术提升生成式3D模型的质量

查看引用/信息源请点击:mit

无需额外的训练或复杂的后处理,麻省理工学院团队的解决方案就可以实现与其他方法相当或更好的3D形状质量

映维网Nweon 2024年12月06日)为虚拟现实等用例创建逼真的3D模型可能是一个繁琐的过程,涉及大量的手动试错。

尽管文生图AI模型可以通过文本提示生成逼真的2D图像来简化艺术过程,但所述模型并不是为生成3D形状而设计。为了弥补这一差距,名为Score Distillation的技术利用2D图像生成模型来创建3D形状。然而,其输出结果往往模糊不清或过于卡通化。

针对所述问题,麻省理工学院的研究人员探索了用于生成2D图像和3D形状的算法之间的关系和差异,并确定了低质量3D模型的根本原因。然后,他们精心优化了Score Distillation,以生成清晰的,高质量的3D形状,且质量接近于最佳模型生成的2D图像。

其他方法试图通过重新训练或微调生成式AI模型来解决这个问题,但这可能既昂贵又耗时。相比之下,无需额外的训练或复杂的后处理,麻省理工学院研究人员提出的解决方案可以实现与所述方法相当或更好的3D形状质量。

另外,通过确定问题的原因,研究人员提高了对Score Distillation和相关技术的数学理解,使得未来的研究能够进一步提高性能。

......(全文 1234 字,剩余 811 字)


请微信扫码通过小程序阅读完整文章
或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限

本文链接https://news.nweon.com/126238
转载须知:转载摘编需注明来源映维网并保留本文链接
素材版权:除额外说明,文章所用图片、视频均来自文章关联个人、企业实体等提供
QQ交流群苹果Vision  |  Meta Quest  |  微软HoloLens  |  AR/VR开发者  |  映维粉丝读者
资讯