文本到 3D 资产的多维质量评估：数据集与模型
计算机视觉与模式识别
2025-02-25 v1
摘要
文本到图像 (T2I) 生成的最新进展促进了文本到 3D 资产 (T23DA) 生成的发展，其利用预训练的 2D 文本到图像扩散模型进行文本到 3D 资产合成。尽管文本到 3D 资产生成日益普及，但其评估尚未得到充分考虑和研究。然而，鉴于各种文本到 3D 资产之间存在显著的质量差异，迫切需要与人类主观判断相一致的质量评估模型。为了应对这一挑战，本文从主观和客观两个角度开展了一项综合研究，以探讨 T23DA 质量评估 (T23DAQA) 问题。鉴于缺乏相应的数据库，我们首先建立了迄今为止最大的文本到 3D 资产质量评估数据库，称为 AIGC-T23DAQA 数据库。该数据库包含由 6 个流行的文本到 3D 资产生成模型通过 170 个提示生成的 969 个经过验证的 3D 资产，以及分别从质量、真实性和文本-资产对应性角度对这些资产的主观质量评分。随后，我们基于 AIGC-T23DAQA 数据库建立了一个综合基准，并设计了一个有效的 T23DAQA 模型，分别从上述三个角度评估生成的 3D 资产。
引用
@article{arxiv.2502.16915,
title = {Multi-Dimensional Quality Assessment for Text-to-3D Assets: Dataset and Model},
author = {Kang Fu and Huiyu Duan and Zicheng Zhang and Xiaohong Liu and Xiongkuo Min and Jia Wang and Guangtao Zhai},
journal= {arXiv preprint arXiv:2502.16915},
year = {2025}
}