CG3D：基于高斯溅射的文本到三维组合式生成
计算机视觉与模式识别
2023-11-30 v1 人工智能
摘要
随着基于扩散的生成模型的出现及其生成文本条件图像的能力，内容生成获得了巨大的焕发。最近，这些模型已被证明可为 3D 图形资产生成提供有用引导。然而，现有文本条件 3D 生成工作面临根本限制：(i) 无法生成详细的、多对象场景，(ii) 无法以文本控制多对象配置，以及 (iii) 物理逼真的场景组合。本工作中，我们提出 CG3D，一种组合式生成可扩展 3D 资产的方法，解决了这些限制。我们发现，参数化为允许对象组合的显式高斯辐射场，具备实现语义与物理一致场景的能力。通过利用围绕该显式表示构建的引导框架，我们展示了最先进的结果，甚至能在对象组合与物理精度方面超越引导扩散模型。
引用
@article{arxiv.2311.17907,
title = {CG3D: Compositional Generation for Text-to-3D via Gaussian Splatting},
author = {Alexander Vilesov and Pradyumna Chari and Achuta Kadambi},
journal= {arXiv preprint arXiv:2311.17907},
year = {2023}
}