DreamEdit3D：多视图扩散模型用于3D编辑的人格化

虽然2D扩散模型在身份保持的人格化方面取得了显著成功，但将这一能力扩展到3D资产仍面临由于多视图一致性和空间控制复杂度带来的重大挑战。鼓舞于这些2D进展，我们提出了一种新颖的人格化方法，用于文本导引的3D编辑，使其能够通过自然语言实现组合化、对象级别的控制。给定3D输入，我们渲染正交视图并提取对象级别的分割掩码，以隔离语义组件。随后，我们通过量身定制的两阶段优化策略为每个组件学习独立的标记嵌入：多视图文本侵蚀带注意力对齐，随后是多视图扩散模型的完整微调。在推理期间，这些解耦标记无缝与编辑提示组合，以生成多视图一致的图像，随后提升为高保真纹理3D网格。广泛的评估跨越多样化的编辑场景，证明我们的 метод成功地将2D人格化的灵活性转移到3D，实现了与现有基线相比最高的编辑忠实度和身份保持。