MvDrag3D：基于多视图生成-重建先验的拖拽式创意 3D 编辑

拖拽式编辑在 2D 内容创作中日益流行，得益于图像生成模型的能力。然而，将这一技术扩展到 3D 仍是一个挑战。现有的 3D 拖拽式编辑方法，无论是采用显式空间变换还是依赖于有限容量 3D 生成模型中隐式的 latent 优化，都难以处理显著的拓扑变化或在不同物品类别间生成新的纹理。为克服这些限制，我们提出了 MVDrag3D，一个用于更灵活和创意拖拽式 3D 编辑的新框架，利用多视图生成和重建先验。我们方法的核心在于使用多视图扩散模型作为强大的生成先验，对多个渲染视图执行一致的拖拽编辑，随后使用重建模型对编辑后的物体进行 3D 高斯重建。虽然初始的 3D 高斯在不同视图之间可能存在对齐问题，但我们通过视图特定变形网络来调整高斯的位置，以实现良好的对齐。此外，我们提出了多视图得分函数，从多个视图中提炼生成先验，以进一步提升视图一致性和视觉质量。大量实验表明，MvDrag3D 提供了一个精确、生成且灵活的 3D 拖拽式编辑解决方案，支持在各种物品类别和 3D 表示形式中实现更加多样化的编辑效果。