GradeADreamer：基于高斯溅射与多视角扩散的增强文本到3D生成
计算机视觉与模式识别
2024-06-17 v1
摘要
文本到3D生成取得了不错的效果，但仍面临多面朱斯问题及高质量资产生成时间延长等常规挑战。本文通过引入新颖的三阶段训练管道GradeADreamer来解决这些问题。该管道能够在仅使用单个RTX 3090 GPU的情况下，完成高质量资产生成，总时长不足30分钟。我们采用Multi-view Diffusion Model（MVDream）生成高斯溅射作为先验，然后利用StableDiffusion细化几何与纹理。实验结果表明，我们的方法显著缓解了多面朱斯问题，并实现了相较于前任SOTA方法的最高平均用户偏好排名。项目代码已公开于https://github.com/trapoom555/GradeADreamer。
引用
@article{arxiv.2406.09850,
title = {GradeADreamer: Enhanced Text-to-3D Generation Using Gaussian Splatting and Multi-View Diffusion},
author = {Trapoom Ukarapol and Kevin Pruvost},
journal= {arXiv preprint arXiv:2406.09850},
year = {2024}
}
备注
Code: https://github.com/trapoom555/GradeADreamer