DreamPropeller：通过并行采样超级加速文本到三维生成
计算机视觉与模式识别
2024-05-21 v3 机器学习
摘要
近期诸如Score Distillation Sampling（SDS）和Variational Score Distillation（VSD）等使用2D扩散模型进行文本到三维生成的方法已展现出令人印象深刻的生成质量。然而，此类算法漫长的生成时间严重降低了用户体验。为解决该问题，我们提出DreamPropeller，一种可即插即用的加速算法，可包裹于任何基于分数蒸馏的现有文本到三维生成流水线之外。我们的框架推广了Picard迭代——一种用于并行采样ODE路径的经典算法——并可考虑非ODE路径，例如基于动量的梯度更新以及如许多三维生成情形中优化过程期间的维度变化。我们表明，我们的算法以并行计算换取时钟时间，并在经验上对所有测试的框架实现了高达4.7倍的加速，且生成质量下降可忽略。
引用
@article{arxiv.2311.17082,
title = {DreamPropeller: Supercharge Text-to-3D Generation with Parallel Sampling},
author = {Linqi Zhou and Andy Shih and Chenlin Meng and Stefano Ermon},
journal= {arXiv preprint arXiv:2311.17082},
year = {2024}
}
备注
Github repo: https://github.com/alexzhou907/DreamPropeller; Project page: https://alexzhou907.github.io/dreampropeller_page/