Durch die Verwendung von Reinforcement Learning Finetuning (RLFT) können Mehrfachansicht-Diffusionsmodelle über die Einschränkungen ihrer Trainingsdaten hinaus verbessert werden, um eine höhere Konsistenz der Mehrfachansichten zu erreichen.
DreamView ermöglicht eine anpassbare und konsistente Text-zu-3D-Generierung, indem es eine adaptive Textführungsinjektionsmodule verwendet, um die Konsistenz und Anpassungsfähigkeit zwischen Gesamttext und viewspezifischem Text auszubalancieren.
GSGEN, eine neuartige Methode zur Erzeugung hochqualitativer 3D-Inhalte unter Verwendung von 3D-Gaussian Splatting, integriert direkte geometrische Priors, um eine konsistente Geometrie und detaillierte Texturen zu erzeugen.
Durch Maximierung der Entropie der Verteilung der gerenderten Bilder kann der Janus-Effekt, bei dem generierte 3D-Objekte mehrere Hauptansichten aufweisen, effektiv behoben werden.
DreamPolisher, eine neuartige Methode auf Basis von Gaussian Splatting, kann hochwertige und konsistente 3D-Objekte aus Textbeschreibungen generieren, indem es eine geometrische Optimierung und eine ControlNet-basierte Verfeinerung verwendet.
Unser VP3D-Modell führt visuelle Prompts ein, um die Leistung von Text-zu-3D-Generierung durch explizite Nutzung des visuellen Erscheinungswissens in 2D-Diffusionsmodellen zu verbessern. VP3D erzeugt hochwertige 3D-Inhalte mit realistischen Texturen und konsistenter Geometrie.
DreamReward ist ein umfassendes Framework, das es ermöglicht, Text-zu-3D-Modelle durch Rückmeldungen von Menschen zu verbessern und an deren Präferenzen anzupassen.
Sculpt3D nutzt explizit die 3D-Form- und Erscheinungsinformationen aus abgerufenen Vorlagen, um eine mehrdeutige Text-zu-3D-Generierung zu ermöglichen. Es ermöglicht ein kreatives Punktwachstum und -beschneiden innerhalb eines Rahmens spärlicher geometrischer Einschränkungen, wodurch eine flexible und genaue Formgenerierung ermöglicht wird. Darüber hinaus verwenden wir die korrekten Musterinformationen aus der Erscheinung der Vorlage, um Mehrdeutigkeiten in der Erscheinung des generierten Objekts zu beheben, ohne seinen Stil zu verändern.
DreamControl optimiert zunächst ein grobes NeRF-Modell als 3D-Selbstprior, um dann mit kontrollbasierter Scoredistillation hochwertige 3D-Texturen bei gleichzeitiger Beibehaltung der Geometrie zu generieren.