ATT3D：摊还式文本到三维物体合成
机器学习
2023-06-14 v1 人工智能
计算机视觉与模式识别
摘要
文本到三维建模通过结合生成式文本到图像模型与 Neural Radiance Fields 等图像到三维方法已取得令人振奋的进展。DreamFusion 近期实现了高质量结果，但需要针对每个提示词进行耗时的逐提示优化来创建三维物体。为此，我们通过使用统一模型同时训练大量提示词来摊还跨文本提示的优化，而非分别进行。借此，我们在提示词集合间共享计算，训练所需时间少于逐提示优化。我们的框架——摊还式文本到三维（Amortized text-to-3D，ATT3D）——使提示词之间能够共享知识，从而泛化到未见过的设定，并实现文本间的平滑插值以生成新颖资产与简单动画。
引用
@article{arxiv.2306.07349,
title = {ATT3D: Amortized Text-to-3D Object Synthesis},
author = {Jonathan Lorraine and Kevin Xie and Xiaohui Zeng and Chen-Hsuan Lin and Towaki Takikawa and Nicholas Sharp and Tsung-Yi Lin and Ming-Yu Liu and Sanja Fidler and James Lucas},
journal= {arXiv preprint arXiv:2306.07349},
year = {2023}
}
备注
22 pages, 20 figures