基于超图的 3D 高斯生成：Hyper-3DG
计算机视觉与模式识别
2025-01-10 v2
摘要
文本到 3D 生成代表了一个近年来快速发展的激动人心的领域，促进了将文本描述转化为详细 3D 模型的能力。然而，当前进展常常忽视 3D 对象中几何与纹理之间复杂的高阶关联，导致过平滑、过饱和以及 Janus 问题等挑战。本文提出一种名为“通过超图生成 3D 高斯(Hyper-3DG)”的方法，旨在捕捉 3D 对象中所见的高阶关联。我们的框架以一个稳固的主流程和一个关键模块“几何与纹理超图细化器(HGRefiner)”为支柱。该模块不仅细化 3D 高斯的表示，还通过在显式属性和潜在视觉特征上进行 Patch-3DGS 超图学习来加速这些 3D 高斯的更新过程。我们的框架允许在统一的优化中生成精细的 3D 对象，有效规避退化。大量实验表明，我们的方法显著提升了 3D 生成质量，同时不会增加底层框架的计算开销。
关键词
引用
@article{arxiv.2403.09236,
title = {Hyper-3DG: Text-to-3D Gaussian Generation via Hypergraph},
author = {Donglin Di and Jiahui Yang and Chaofan Luo and Zhou Xue and Wei Chen and Xun Yang and Yue Gao},
journal= {arXiv preprint arXiv:2403.09236},
year = {2025}
}
备注
Accepted by IJCV