Dive3D：基于Score Implicit Matching的多样化文本到3D生成
计算机视觉与模式识别
2025-06-17 v1
摘要
通过从预训练2D扩散模型蒸馏到3D资产，实现了文本到3D合成的显著进展。然而，现有方法通常依赖基于KL发散的得分蒸馏采样（SDS）损失，这种形式本身倾向于模式寻求行为，限制了生成的多样性。本文提出Dive3D，一种新的文本到3D生成框架，用得分隐式匹配（SIM）损失取代KL基于目标的方法，有效缓解模式坍缩。此外，Dive3D整合了扩散蒸馏和奖励引导优化，基于统一的发散视角进行。这种改造，以及SIM损失，使得生成的3D输出在多样性、文本对齐、人类偏好和整体视觉保真度方面均显著提升。我们在各种2D到3D提示下验证了Dive3D，定性评估表明其在多样性、照片 realism 和审美吸引力方面 consistently 优于先前方法。我们进一步在GPTEval3D基准上评估其性能，对比九个最先进的基线，Dive3D在定量指标上也取得了强劲的成绩，包括文本-资产对齐、3D 合理性、文本-几何一致性、纹理质量和几何细节。
引用
@article{arxiv.2506.13594,
title = {Dive3D: Diverse Distillation-based Text-to-3D Generation via Score Implicit Matching},
author = {Weimin Bai and Yubo Li and Wenzheng Chen and Weijian Luo and He Sun},
journal= {arXiv preprint arXiv:2506.13594},
year = {2025}
}