FantasyStyle：面向 3D 高斯溅射的可控风格蒸馏
计算机视觉与模式识别
2025-12-04 v2
摘要
3DGS 在生成和编辑应用中的成功，催生了对 3DGS 风格迁移的日益关注。然而，现有方法仍面临两个主要挑战：(1) 多视图不一致常导致风格冲突，引发 appearance 平滑和失真；(2) 过度依赖 VGG 特征，难以从风格图像中解耦风格与内容，常导致 content 漏泄和过度风格化。为解决这些问题，我们引入 FantasyStyle，一个 3DGS 风格迁移框架，是首个完全依赖扩散模型蒸馏的方法。其包含两个关键组件：(1) 多视图频率一致性。通过对多视图噪声潜在施加 3D 滤波器，选择性降低低频分量以缓解风格先验冲突。(2) 可控风格蒸馏。为抑制风格图像中的 content 漏泄，我们引入负向引导以排除不必要的 content。此外，我们识别了 Score Distillation Sampling 和 Delta Denoising Score 在 3D 风格转换中的局限性，据此移除重建项。基于这些洞见，我们提出可控风格蒸馏，利用负向引导更有效地优化 3D 高斯。广泛的实验表明，我们的方法在各类场景和风格下均优于最新方法，实现更高的风格化质量和视觉真实感。代码已公开于 https://github.com/yangyt46/FantasyStyle。
引用
@article{arxiv.2508.08136,
title = {FantasyStyle: Controllable Stylized Distillation for 3D Gaussian Splatting},
author = {Yitong Yang and Yinglin Wang and Changshuo Wang and Huajie Wang and Shuting He},
journal= {arXiv preprint arXiv:2508.08136},
year = {2025}
}
备注
Accepted by AAAI 2026