Unser Ansatz integriert die Codierung von Triplane-Merkmalen, räumliche Entkopplung und automatische Lokalisierung von Merkmalen im Triplane-Bereich sowie Fusionslernen für die gewünschte Bildbearbeitung, um eine leistungsfähige referenzbasierte 3D-bewusste Bildbearbeitung zu ermöglichen.
GenN2N ist ein einheitliches Rahmenwerk für die NeRF-zu-NeRF-Übersetzung, das eine Reihe von 3D-NeRF-Editieraufgaben wie textgesteuerte Bearbeitung, Farbgebung, Superauflösung, Inpainting usw. ermöglicht.
Unser Ansatz ermöglicht effizientes und 3D-bewusstes Porträt-Editing in Echtzeit, indem er das Wissen aus 3D-GANs und Diffusionsmodellen in ein leichtgewichtiges Modul destilliert.
TIP-Editor ermöglicht präzise und hochwertige lokalisierte Bearbeitung einer 3D-Szene basierend auf Text-Prompts und Referenzbildern, wodurch die Kontrolle über Aussehen und Position der Bearbeitungsergebnisse deutlich verbessert wird.
Unser Verfahren GaussCtrl ermöglicht effizientes und konsistentes Editieren einer 3D-Gaussian-Splatting-Szene durch Modifizieren ihrer beschreibenden Eingabeaufforderung.